现已支持103种语言实时翻译，其中74种语言配备AI语音
2026年5月
Live Translate Live 刚刚完成了一次重大引擎升级。我们将语音识别引擎从Deepgram更换为 ElevenLabs Scribe v2 Realtime，将翻译层从Google Cloud Translation更换为 Google Gemini 2.5，并在Audio模式中新增了由 ElevenLabs v3 驱动的 实时AI语音播放 功能。核心数据：我们现已支持 103种语言 的实时语音识别，其中 74 种语言配备AI语音，并支持 任意两种语言之间的双向 翻译。
如果您曾在我们以47种语言上线时读过旧版支持语言文章，现在的数量已大约翻了一番。该文章已更新以反映新的实际情况；本文则是关于此次变更内容及其在真实对话场景中重要性的公告。
您现在可以做到以前做不到的事
对用户而言，最直观的变化体现在语言选择器上。向下滚动，您会看到条目数量增加了一倍。新加入的语言并不冷僻——它们都是许多用户一直在请求的语言：波斯语、孟加拉语、泰米尔语、泰卢固语、马拉地语、质量更高的印地语、作为独立条目与普通话区分的粤语、缅甸语、高棉语、老挝语、蒙古语、豪萨语、斯瓦希里语、约鲁巴语、祖鲁语、威尔士语、爱尔兰语、希伯来语等更多语言。
第二项变化不那么显眼，但您在对话中会切实感受到：翻译质量明显提升，尤其是在较长或更具细微差别的对话轮次中。Gemini 2.5 能够跨轮次携带 对话上下文，而非逐句孤立翻译。代词能获得正确的先行词。性别一致性在整个对话序列中得以保持。习语会被转化为目标语言中最接近的对应表达，而非逐字翻译。字幕滚动效果更像一位真正的译者，而非一本词典。
第三项变化是全新功能：Audio模式 现在可以用自然的AI语音朗读翻译内容。您说话，点击翻译，手机便以听者的语言朗读翻译后的句子。这一模式适用于出租车、市场摊位、医院候诊室等场景——在这些地方，阅读滚动显示屏并不实际，您自然会将手机来回传递。
语音识别的准确率如何？
ElevenLabs 基于词错误率（WER）基准测试，为Scribe v2发布了四级准确率评级。我们在应用内选择器中以每种语言旁边的彩色圆点来呈现这些等级，并在此处重现了分组情况，方便您快速找到自己的语言。WER越低，意味着识别正确的词语越多。
| 等级 | WER | 语言 |
|---|---|---|
| 优秀 | ≤ 5% | 白俄罗斯语、波斯尼亚语、保加利亚语、加泰罗尼亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、加利西亚语、德语、希腊语、匈牙利语、冰岛语、印度尼西亚语、意大利语、日语、卡纳达语、拉脱维亚语、马其顿语、马来语、马拉雅拉姆语、挪威语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、西班牙语、瑞典语、土耳其语、乌克兰语、越南语 （36种） |
| 良好 | 5–10% | 亚美尼亚语、阿塞拜疆语、孟加拉语、粤语、菲律宾语、格鲁吉亚语、古吉拉特语、印地语、哈萨克语、立陶宛语、马耳他语、普通话、马拉地语、尼泊尔语、奥里亚语、波斯语、塞尔维亚语、斯洛文尼亚语、斯瓦希里语、泰米尔语、泰卢固语 （21种） |
| 尚可 | 10–15% | 南非荷兰语、阿拉伯语、阿萨姆语、阿斯图里亚斯语、缅甸语、豪萨语、希伯来语、爪哇语、韩语、柯尔克孜语、卢森堡语、毛利语、奥克西唐语、旁遮普语、塔吉克语、泰语、乌兹别克语、威尔士语 （18种） |
| 发展中 | 15%+ | 阿姆哈拉语、干达语、伊博语、爱尔兰语、高棉语、库尔德语、老挝语、蒙古语、北索托语、普什图语、绍纳语、信德语、索马里语、乌尔都语、沃洛夫语、科萨语、约鲁巴语、祖鲁语 （18种） |
WER范围来自ElevenLabs公布的Scribe v2基准测试数据。实际使用中，麦克风位置和环境噪音的影响往往大于前两个等级之间的差距；在安静的房间里使用优质麦克风时，"优秀"等级和"良好"等级的语言在对话中几乎难以区分。
读取该表格的一个实用方法：如果您的语言对位于前两个等级，识别层实际上会"隐形"——您说出的词语会实时显示在屏幕上。如果语言对中有一方属于"尚可"等级，您会在不常见词汇（尤其是专有名词）上偶尔看到替换错误。如果某一方属于"发展中"等级，该语言仍可使用，但转录结果较为粗糙；在这种情况下，Audio模式 可能更为友好，因为您可以在点击翻译前先审阅转录内容。
74种语言的实时AI语音播放
Audio模式是更重要的产品变化。字幕滚动模式始终是两人共用一块屏幕、面对面交流的最佳工具。而Audio模式则适用于其他所有场景——一部手机、一只手、两个需要相互聆听而非阅读的人。
当您点击 立即翻译 时，ElevenLabs v3（或其更快的兄弟版本Flash v2.5，取决于语言）会生成语音翻译，手机随即播放。听起来像真人，而非机器人。您可以随意点击 重播，无需消耗更多积分。如果听者没有听清，只需点击重播即可。
在我们支持的103种语言中，目前有 74 种语言具备AI语音覆盖。不在该范围内的语言在Audio模式中仍可使用——您会在屏幕上看到翻译文本——只是没有语音播放功能。随着ElevenLabs持续更新语音覆盖范围，应用会在启动时自动检查并获取新增语言。
如果您还未尝试过Audio模式，详细介绍请参阅我们的Audio模式文章，完整参考资料请访问 /languages。
翻译支持103种语言的任意方向互译
Gemini 2.5 负责翻译层，支持任意语言之间的互译。您可以用日语说话，直接翻译成葡萄牙语，无需经过英语中转。印地语到阿拉伯语。韩语到斯瓦希里语。越南语到波兰语。103种语言共有 10,506个独特语言对，每一对都同时支持双向对话模式。
Gemini 2.5 的独特之处在于对话上下文的处理。旧版翻译引擎将每个句子视为独立字符串处理。这就是为什么有时代词会被翻译成错误的名词，或者语气风格在对话中途突然改变，或者习语被直译成毫无意义的字面内容。Gemini 2.5 能够看到前几轮对话，并在此上下文范围内翻译下一句话。结果感觉不像是逐短语查找，更像是一位从头到尾都在场的真实译者。
哪些语言对体验最佳
全部10,506个语言对均可使用。部分语言对比其他语言对更为流畅。实际使用中，影响特定语言对体验的因素有三个：
- 双方均属顶级等级。 当两种语言均为"优秀"或"良好"时，对话流畅自然。示例：英语 ↔ 西班牙语、英语 ↔ 法语、英语 ↔ 日语、西班牙语 ↔ 葡萄牙语、德语 ↔ 荷兰语。
- 一方属于"尚可"或"发展中"等级。 仍可使用，但较低等级一方的转录结果较为粗糙——在不常见词汇和专有名词上可能出现偶发替换错误。Audio模式可以缓解这一问题，因为您可以在确认翻译前先查看转录内容。
- 不同书写系统。 拉丁字母 ↔ 非拉丁字母语言对（英语 ↔ 日语、阿拉伯语 ↔ 法语、印地语 ↔ 韩语）均可正常使用；字幕滚动需要在句中进行小幅字体切换，在2026年这几乎感知不到，但这是渲染可能略显费力的唯一之处。
我们为何更换引擎
简而言之：我们曾从Deepgram + Google Cloud Translation获得的语言覆盖范围和质量在上线时表现出色，但当我们希望覆盖更多地区时便遇到了瓶颈。Scribe v2以更低的延迟提供更广泛的流式传输覆盖，Gemini 2.5能够跨轮次携带上下文，ElevenLabs v3则解锁了Audio模式所需的语音播放功能。详细版本请参阅另一篇文章，其中包含延迟数据、基准测试结果以及此次切换背后的架构决策。
立即体验
选择您的两种语言，开始实时双语对话。无需下载应用。字幕滚动模式的翻译积分起价为 1美元15分钟；在Audio模式中，转录功能免费，点击翻译后才开始计费。
在字幕滚动模式中开始 · 体验Audio模式 · 完整语言参考 · 查看定价