音频模式 — 轮流翻译与语音播放
2026年3月
Live Translate Live 提供两种实时对话翻译方式。主要模式是滚动字幕——持续语音识别，将翻译文本流式传输到共享屏幕上。第二种模式是音频模式：轮流发言、按键通话，翻译结果由AI语音朗读出来。您说话，查看转录文本，修正识别错误，点击翻译，然后对方就能听到用他们语言播放的翻译内容。接着您将手机递过柜台、递过桌子，或者递回给自己，轮到对方发言了。
字幕模式专为共享屏幕而设计。音频模式专为您手中的手机而设计。
音频模式与字幕模式 — 如何选择
两种模式均包含在所有套餐中，您可以在对话中途随时切换。它们解决的是不同的问题。字幕模式最适合两人能够同时舒适地看到同一屏幕、且无需手持设备的场景。音频模式最适合没有合适平面放置手机、环境太嘈杂无法一眼看清滚动显示内容，或者一方或双方因任何原因无法阅读翻译文本的场景。
| 场景 | 字幕模式 | 音频模式 | 原因 |
|---|---|---|---|
| 餐厅桌上，手机平放在两人之间 | 适合 | 可以 | 双方都能看到屏幕各自一侧的内容；用餐时连续流畅的翻译感觉更自然。 |
| 繁忙的市场摊位，没有平整台面 | 不适合 | 适合 | 您站着手持手机。音频模式让您可以说话、展示并递交手机。 |
| 直播或广播叠加字幕 | 适合 | 不适合 | OBS可将滚动字幕作为窗口源捕获。音频模式没有面向观众的屏幕。 |
| 一方为听力障碍用户 | 适合 | 不适合 | 屏幕上的文字才是关键。语音播放对此没有帮助。 |
| 一方为盲人或低视力用户 | 不适合 | 适合 | 语音播放消除了阅读滚动显示内容的需求。 |
| 嘈杂的建筑工地或工厂车间 | 可以 | 适合，配合耳机使用 | 音频模式配合耳机可直接传递翻译内容；戴着安全帽时很难看屏幕。 |
| 安静的会议室或酒店大堂 | 适合 | 可以 | 当无需打断对话来传递手机时，连续字幕模式表现最佳。 |
| 网约车或出租车 | 不适合 | 适合 | 司机需要专注驾驶。通过手机扬声器进行语音播放即可解决问题。 |
一个实用的经验法则：如果您自然而然地会来回传递手机，就使用音频模式。如果您自然而然地会把手机放下，就使用字幕模式。
轮流翻译工作流程，逐步说明
音频模式刻意设计为线性流程。每一轮是一次完整的来回——您说话，翻译，然后递交手机。以下是每一轮的具体步骤：
- 点击按键通话并说出您的句子。以舒适的通话姿势手持手机。您可以使用按键通话（按住按钮，说完后松开）或始终监听切换。在嘈杂环境中，按键通话效果更好，因为麦克风仅在您说话时才处于激活状态。
- 观看实时转录文本出现在屏幕上。您的话语会实时转录，并通过动态字体大小调整以适应显示屏。转录是免费的——无论您说多久或重新开始多少次，此步骤均不消耗积分。
- 如有需要，检查并编辑转录文本。语音识别器在专有名词、数字和不常见技术术语上容易出错。点击转录文本，在翻译前修正某个词。这是字幕模式无法提供的步骤——字幕模式会立即翻译，因此识别错误的词已经出现在屏幕另一侧了。在音频模式中，翻译完全基于您真正想表达的内容。
- 点击翻译。这是唯一消耗积分的步骤。按翻译文本的字符数和合成语音的字符数计费——之前的转录不收费。
- 听AI语音以目标语言播放。翻译内容通过手机扬声器（或已连接的耳机）朗读出来。翻译文本也会显示在屏幕上，作为偏好阅读者的备用方式。
- 递交设备，或重新播放。将手机传给对方进行他们的发言，或者如果他们想再听一遍翻译，点击重播。准备好开始下一轮交流时，清除屏幕即可。
积分效率 — 自由转录，按需翻译
这是音频模式中让人感到惊喜的部分。字幕模式持续计费，因为它持续监听并持续翻译——这正是它让人感觉实时的原因。音频模式则不同。在音频模式中：
- 语音识别仅在您主动按住按键通话按钮时运行（或在始终监听麦克风开启时）。
- 转录是免费的。说话、清除屏幕、重新开始、再次说话——积分不会移动。
- 积分仅在您点击翻译时消耗，且仅针对该特定句子。
在市场摊位进行十轮对话——"这个多少钱"、"有蓝色的吗"、"我要两个"——通常翻译文本不超过一千个字符，合成语音也不超过一千个字符。费用极低。同样的十轮对话在字幕模式下，需要在句子之间持续运行识别器（包括尴尬的停顿、摊主与其他顾客的交谈、环境噪音），这些都会按时间计费累积起来。对于简短的事务性对话——也就是您站着传递手机时发生的那类对话——音频模式的费用要低得多。
权衡之处显而易见，值得坦诚说明：音频模式不是连续的。您需要自行决定何时翻译，这会在轮次之间引入短暂停顿。对于希望翻译感觉不间断的正式晚餐或会议，字幕模式才是正确的工具。对于其他所有场景——尤其是以下场景——音频模式物有所值。
音频模式大显身手的场景
街头摊贩交易
您在台北的夜市或马拉喀什的露天市场。一手拿着手机，另一手拿着纸袋。没有桌子。摊主在柜台后面，距您约一米，还有其他顾客在等待。您点击按键通话，提出问题，点击翻译，摊主就能用他们的语言听到答案，无需俯身看屏幕。如果他们想回复，您将手机递过柜台让他们发言。整个交流大约只需十五秒，费用不到一个积分的零头。
嘈杂的市场和旅游区
通过耳机播放音频能穿透环境噪音，这是屏幕阅读做不到的。如果双方都有耳机——或者共用一副——翻译内容会直接传入耳中，即使周围街道噪音高达85分贝。在这种情况下，按键通话是正确的输入选择，因为它在您不说话时关闭麦克风，避免识别器尝试转录周围的人群声音。
低视力用户的无障碍功能
对于低视力用户来说，AI语音播放不是便利功能——它是核心功能。您说话，翻译内容以目标语言朗读出来，无需任何人阅读滚动显示内容。这是音频模式相对于字幕模式最明显的优势之一，也是我们在产品中保留两种模式而非只选其一的原因之一。
网约车和出租车对话
司机在开车。他们不会看您的屏幕，您也不希望他们这样做。通过手机扬声器使用音频模式，让您可以给出方向、询问路线或商定车费，双方都无需将视线从道路上移开。对于司机的回复，您可以将手机递给前排乘客，或者在他们简短发言时使用始终监听模式。
医疗登记和临床问诊
护士从病历板上读出问题。您用自己的语言回答。点击翻译，临床医生就能听到朗读出来的答案——免提操作——同时他们可以继续书写或在登记表中输入内容。由于转录是免费的，您可以花尽可能多的时间回答，边说边措辞，只有在答案确定后才消耗积分。对于医学专有名词（药品名称、病症名称），检查和编辑步骤尤为有用。
酒店前台和服务柜台
您在柜台这侧手持手机，说话，然后将手机滑过去让工作人员回复。音频播放音量足够双方都能听到，屏幕上的转录文本在大堂有回声时也能作为备用。对于简短的交流——入住、退房、"附近有药店吗"——音频模式几乎不花费任何费用，也消除了两人俯身看同一部手机的尴尬。
设备放置与音量技巧
以下几点能让音频模式在现实中表现更好：
- 将手机靠近到足以捕捉清晰音频的距离，但不要太近以免麦克风削波。距嘴部15至30厘米是合适的范围。配备多个麦克风的手机能较好地处理风声和背景噪音，但无法修复从桌子对面录制的音频。
- 环境噪音较大时使用按键通话。始终监听模式会尝试转录它听到的一切，包括您旁边的人说的话。按键通话在轮次之间关闭麦克风。
- 在第一次翻译前调高媒体音量。AI语音播放通过手机的媒体声道而非铃声声道输出。如果您的媒体音量为零，第一次播放会没有声音，您会以为出了什么问题。
- 在拥挤的地方，耳机优于扬声器，无论是播放清晰度还是隐私保护方面。如果您共用一副耳机，将空闲的那只耳机和手机一起递过去。
- 长时间对话时，请插上充电器。长时间持续使用按键通话会明显消耗电池——比字幕模式少，但仍然明显。
AI语音播放的真实局限
AI语音效果不错，但终究不是真人。以下几点需要了解：
- 韵律在某些语言中表现更好。英语、西班牙语、法语、德语、日语和普通话听起来最自然。使用人口较少的语言可能听起来更生硬或机械，尤其是较长的句子。
- 专有名词是已知的弱点。人名、街道名、品牌名和技术术语有时会被按目标语言中的普通词汇发音。在翻译前检查并适当改写转录文本会有所帮助——例如，将"Saint-Laurent Boulevard"用音标拼写出来。
- 句子之间有短暂停顿，而非自然流畅。每次翻译都作为完整的话语生成。两次连续翻译听起来像两个独立的句子，而不像同一个说话者在连续说话。在轮流对话中这通常没有问题，而且鉴于您在每次翻译之间都要点击翻译按钮，这也是正确的行为。
- 32种语言支持语音播放。不在此范围内的语言仍然可以正确进行文本翻译——只是无法朗读出来。字幕模式处理这些语言时没有此限制。
常见问题
音频模式中单次翻译需要消耗多少积分？
这取决于您翻译内容的长度，但简短的日常对话句子（一个问题、一个价格、一句简短回复）通常每次只消耗积分的零头——按翻译文本的字符数和生成语音的字符数计费。十轮市场对话通常只需几分钱。请查看定价页面了解具体费率。
没有网络连接时可以使用音频模式吗？
不可以。语音识别、翻译和语音合成均在云端运行。稳定的连接比快速的连接更重要——音频模式发送的是短暂的音频片段，而非连续流，因此只要保持连接，在不稳定的移动数据网络下也能正常工作。
如果我说错了怎么办——可以重新录制吗？
可以，而且建议这样做。转录是免费的，所以重新开始没有任何代价。清除转录文本并再次按下按键通话，或者直接继续说话——转录文本会实时更新。只有当您点击翻译时才会确认翻译，在此之前您可以直接编辑转录文本。
可以在对话中途切换到字幕模式吗？
可以。模式选择是一个切换开关，而非会话边界。如果对话从站立的市场交流转变为坐下来喝咖啡，可以切换到字幕模式，而不会丢失您的语言对或历史记录。请参阅同语言转录模式，了解与音频模式免费转录功能有所重叠的第三种相关模式。
试用音频模式
如果您近期有旅行中的对话需求——市场、出租车、诊所、酒店前台——音频模式是首选。配合与不说同一语言的人交流的通用习惯（短句、每次一个问题、确认专有名词），它将能应对大多数现实场景，而费用低到您在账单上几乎注意不到。
1美元即可试用 — 无需订阅 · 查看定价 · 查看所有功能