黑色星期五所有套餐首月立减 25%结账时自动生效,无需优惠码距结束 查看套餐 →

实时翻译,就是对方还在说话时译文就已经送到你面前:以字幕或语音的形式,延迟几秒,谁都不用停下来等。它既不是魔法,也不是瞬间完成的:背后是一条由三四个环节组成、跑得很快的流水线。第一次试用时让人失望的地方,几乎都能用这一点解释。

有意思的是,现在已经不用专门去找它了:Teams、Zoom、Meet、Chrome、YouTube,甚至 Windows 里都内置了。问题在于每个地方给出的条件都不一样,有些条件恰好把最需要它的人挡在门外。下面依次讲清楚:这个词是什么意思,那几秒钟里发生了什么,它已经在哪些地方可用(附名称和附加条件),以及怎样判断你的情况是否适用。各平台的数据均来自其官方帮助文档,查阅时间为 2026 年 9 月。

一句话总结

  • 会议是你们公司的,而且公司付费购买了 Copilot、Workspace 或 Zoom 的附加组件?→ 用平台自带的翻译。
  • 你是外部受邀者,或者每周换一个平台?→ 用装在你自己电脑上的程序。
  • 只是想看懂浏览器里的视频或播客?→ 用 Chrome 的字幕,免费。
  • 想要一份记录说过什么的文档?→ 那就不是实时翻译了,而是转写。
本文目录

“实时”这个说法从哪来,为什么它不等于“瞬间”

这个词并非诞生于翻译领域,而是来自控制系统。在那里,实时系统不是指响应无限快的系统,而是保证在限定时间内做出响应的系统:刹车、警报或自动驾驶,只要按时到达就有效,不必立刻到达。语音翻译沿用的正是这个思路:结果必须在还有用的时候送到。

放到对话里,这个有效时限很短,但不是零。它必须落在一句话说完到轮到你回应之间。所以合理的标准是三到六秒,也正因为如此,对承诺“即时翻译”的人要多留个心眼:要么是算错了,要么是在句子说完之前就把它截断了。

各平台在文档里自己也承认这一点。Google Meet 的帮助说,它的翻译“会有几秒钟的延迟,以确保内容完整”。Microsoft Teams 的帮助提醒,它的代理并未针对“快速交流、频繁打断或多人同时说话”的会议进行优化,因为翻译可能比发言本身还慢。这是他们的原话,不是我们说的。

这几秒钟里到底发生了什么

实时翻译的四个阶段:等待句子结束、临时文本、翻译、输出
每一句话都会把整条流水线完整走一遍;任何一个环节都不能抢在前一个之前。

几乎没人提的是第一步:判断这句话什么时候说完了。系统听到的是连续不断的声音流,它必须押注一个终点。等得太短,就会只译半个意思,随后又自相矛盾;等得太久,你已经在发呆了。决定流畅感的是这个判断,而不是翻译引擎有多强。

与此同时,语音识别会不断给出临时假设,再加以改写。所以很多自动字幕里能看到某个词过一秒自己变了:系统听到了后面的内容,做了修正。

接着是翻译,这里有一个根本性的难题:有些语言没法一段一段地译。德语从句的动词放在句末;日语的否定也在句末。不等到最后一个词,就不知道这句话是肯定还是否定。边听边译的系统最后只能删掉重来,而这在屏幕上看得一清二楚。

最后,如果有语音输出,还要由语音合成把结果读出来。这一步有它自己的耗时,因为说话就得花说话的时间:一句长句不可能在半秒内读完。所以只给字幕的工具总是跑在给语音的工具前面。

一个能改变体验的细节

如果工具允许把原声调低而不是静音,就这样做。一边看字幕或听译文,一边在背景里听到语气、笑声和打断,能补上一半的语境,而且不花任何代价。

实时翻译现在已经能在哪些地方用

以下是 2026 年 9 月的情况,依据各厂商在帮助文档中的说明。官方来源没有确认的内容,这里会直说,而不是靠推测补上。

在哪里 提供什么 谁付费 最痛的限制
你电脑上的程序 任意应用的语音和字幕 你自己 仅限 Windows
Microsoft Teams 语音(Interpreter 代理)和翻译字幕 组织 每人每月 20 小时
Zoom 语音(Voice Translator)和翻译字幕 组织 语音只有五种语言
Google Meet 近似你本人声音的语音和字幕 组织 每场 90 分钟,每场只能一对语言
Chrome 浏览器中播放内容的字幕 无人:免费 只限 Chrome 里的音频
YouTube 翻译字幕和配音音轨 无人:免费 由视频创作者决定
WhatsApp 聊天中的文字消息 无人:免费 不支持通话和语音消息
Windows 11 电脑上全部音频的字幕 随设备附带,需硬件达标 只译成英语或简体中文,不能译成西班牙语
各处翻译范围对比:整台电脑、单场会议、浏览器或手机
三块不同的地盘:整台电脑、某一场会议、某个应用内部。

1. 整台电脑范围,用一个独立程序

这是唯一不依赖任何别人的路线。桌面程序监听你指定的应用的音频,以悬浮字幕、语音或两者同时的方式输出结果,不管正在播放的是什么:一通电话、一门录播课、一个电台,或是一个现在还不存在的平台。

Traducore 就是这样在 Windows 10 和 11 上工作的。在 Windows 11 上它只捕获你选中的应用,电脑上的其他声音不会混进来。

电脑语音翻译程序的面板,显示 Video call 模式和语言选择
选择要监听的应用、两种语言,以及想接收什么(截图中的界面为西班牙语版)。

根据对方的说话方式,它有两种模式:一种更早结束一轮,方便你快速回应;另一种等一句话说完再译,更适合说话不停顿的人。它还能通过一个虚拟麦克风让对方听到你被翻译后的声音,只要在会议平台里把它选为输入设备即可。

英语通话画面上叠加的西班牙语翻译字幕
字幕可以叠加在任意窗口上(演示用的模拟通话,截图中译成的是西班牙语)。

它的限制也直说:仅限 Windows,延迟三到六秒,质量随语言对不同而参差,每天免费 15 分钟,无需绑卡;需要更多时间,请看这里公布的套餐。作为交换,它不会往会议里塞任何机器人,其他人什么都不用装,音频和文字也都不会保存。

下次通话时试试看

任意 Windows 应用的实时翻译。每天免费 15 分钟,无需绑卡。

免费注册

2. Microsoft Teams

Teams 里有两样不同的东西。Interpreter(口译)代理做语音到语音的翻译,还能“模拟”你的声音;根据帮助文档,它需要 Microsoft Copilot 许可证,包含每人每月 20 小时的口译,超出部分“视可用容量而定”。翻译字幕走的是另一条路:Teams Premium 或 Copilot,只要组织者有,所有人都能看到。

附加条件分量不轻。Interpreter 不能用于临时会议、全员大会、网络研讨会和免费版 Teams 的会议;其他组织的参会者只有通过“已验证的 M365 账户”加入、并持有自己的 Copilot 许可证才能使用:匿名访客一律不行。此外,录制只保留原声,翻译后的转写只在会议期间存在。具体步骤见如何翻译 Teams 会议。

3. Zoom

Zoom 在 2026 年 7 月发布了 Voice Translator。它在会议内做语音到语音的翻译,每个人自己选择说哪种语言、听哪种语言,而且只有使用者本人能看到。它要求 Windows 或 Mac 桌面版 7.0.0 及以上,外加一个付费附加组件,目前支持五种语言:英语、中文、法语、日语和西班牙语。官方博客预告 2026 年底加入葡萄牙语、阿拉伯语、德语和意大利语。

翻译字幕是另一项功能、另一个价格:需要 Business Plus 或 Enterprise 套餐,或者一个附加组件,其价格帮助文档没有公布,只让你去找销售。Zoom 也支持通过音频频道接入人工口译员,需 Pro 及以上套餐,但不能用于即时会议,也不能用个人会议号。详情见如何翻译 Zoom 会议。

4. Google Meet

Meet 的语音翻译会“用与你相似的声音”把你说的话译出来。它包含在 Workspace 的付费版本和 Google 的 AI 套餐中,符合条件的人可以为整场会议开启。它的三个限制就写在帮助里:每场会议 90 分钟,同一时间只能有一对语言,而且其中一边必须是英语,另一边是法语、德语、印地语、意大利语、葡萄牙语或西班牙语之一。

Meet 的翻译字幕是另一款产品,列出了 69 种语言,但只支持“特定组合”,而且是逐步推出的。从硬件会议室加入的人能听到翻译,但他们说的话不会被翻译;该功能在直播和录制中也不可用。Meet 和 WhatsApp 我们在这篇视频通话指南里做了详细拆解。

5. Chrome:浏览器里播放的一切

Chrome 的实时字幕会为浏览器里播放的任何音频生成文字——视频、播客、直播、视频通话——再由实时翻译功能转成另一种语言。免费,不需要账户,支持 Windows、Mac、Linux 和 ChromeOS。

有两点需要知道。第一是范围:只覆盖 Chrome 里的音频,所以 Teams 桌面版里的通话或本地播放器都不在其内。第二是隐私:根据帮助文档,字幕在你的设备上生成且不会离开设备,但一旦开启翻译,这些文字就会发送给 Google。两者不是一回事,处理敏感音频时差别就很重要。

6. YouTube

YouTube 通过两条途径翻译,而两条都不完全由你掌控。字幕菜单里的“自动翻译”选项只有在视频本身已有字幕时才会出现,并会继承原字幕的错误,包括被方括号遮住的词。自动配音会生成其他语言的音轨,但由创作者开启:观众无法自己给视频配音,只能在有音轨的情况下切换。

直播中,自动字幕“仅支持英语”,并且正在逐步开放。完整的操作步骤和常见问题,见这篇 YouTube 视频翻译指南。

7. WhatsApp 和手机

这里要把标题和现实分开看。WhatsApp 翻译的是聊天里的文字消息,在手机本地完成,Android 上六种语言,iPhone 上十九种以上。它不翻译位置、文档、联系人、贴纸和 GIF。对本文主题最重要的一点是:无论帮助文档还是官方博客,都没有提到通话或语音消息的翻译。语音消息转写倒是有,但它是把语音转成同一种语言的文字,而且只支持四种语言。

至于 Google 翻译 App,它确实有对话模式和聆听模式,专为与面前的人交谈而设计。但它的电脑网页版不能连续地边说边译:这是它自己的帮助文档写的。

8. Windows 11,前提是电脑是 Copilot+ PC

Windows 11 的实时字幕能翻译“经过你电脑的任何音频”,全部处理都在设备上完成,不保存任何内容。在读到条件之前一切听起来都很完美:译文只能是英语或简体中文,不能是西班牙语,而且需要运行 Windows 11 24H2 或更高版本的 Copilot+ PC。对中文读者来说,目标语言这一关恰好能过,真正的门槛是硬件。

每个承诺背后到底有多少种语言

各厂商公布的语音翻译语言数量柱状图
2026 年 9 月的官方数据。每个数字统计的东西不同,不能互相比较。

语言数量是这个市场里最滑头的数据,不是因为有人撒谎,而是因为每家数的东西都不一样。三个常见陷阱:

  • 源语言和目标语言不是同一份清单。一项服务可能听得懂四十种口语、能写一百种文字,或者反过来。对你有用的是具体的语言对,而不是总数。
  • 文字和语音也不是一回事。比如 DeepL 宣称字幕支持“40 多种语言”,语音到语音支持三十种;这三十种里,十四种用的是自家语音,其余通过第三方实现。详见这篇对比。
  • 清单甚至自相矛盾。Teams 的帮助在用户页面上列出 Interpreter 支持十种语言,在管理员页面上是九种。Zoom 的商业官网说字幕支持 46 种语言,帮助文档给的又是另一份清单。

几乎所有平台都在重复的模式

把这些内置功能并排放在一起,会发现它们比产品页面暗示的要相似得多。五个共同点:

  • 由组织付费、由组织开启。参会者几乎没法自己打开,外部受邀者第一个被挡在外面。
  • 其中一边通常必须是英语。Meet 明确写了出来。实际使用中,意大利语直接对葡萄牙语极为少见。
  • 都有计时器。每月二十小时、每场九十分钟、按语言计分钟。没人白送无限时长。
  • 翻译不会留在录制里。Teams 提醒过:录制保留的是原声。Meet 在直播和录制中都不包含翻译。
  • 只在自家地盘有效。这些功能都碰不到自家应用以外播放的声音。

从这五点可以得出一条实用规则:如果你的工作总是通过同一个平台进行,公司又付了许可证,内置功能最省事。如果你经常换平台、被外部邀请参会,或者还要看视频和课程,能监听整台电脑的工具更划算。Windows 上的具体选择见这篇电脑程序对比。

无论用哪个工具,路上都会丢掉什么

有些错误与你选哪个工具无关,因为它们源自这条流水线本身。最好提前知道,免得在重要会议中途才发现:

  • 人名和缩写。这是最先出错的。Teams 的帮助自己承认:对“人名、性别或专业术语的口译可能不准确”。
  • 数字和单位。把“fifteen”听成“fifty”,译出来自然流畅,没有任何提示。如果涉及预算,请让对方把数字写下来。
  • 重叠的说话声。两个人同时说话时,识别会把它们融成一句,产出一句谁都没说过的话。
  • 性别和语体。Meet 的帮助在可能出现的错误里列出了语法、意外的口音和“性别错误”。
  • 反讽和沉默。一句带刺的“真有意思”会被当成夸奖送过来;而尴尬的停顿在谈判里意味深长,却不会被转写。
  • 屏幕上写着的东西。幻灯片、标题和共享文档仍是原文:这类工具处理的是声音,不是图像。

如何用二十分钟判断它适不适合你

几乎所有选项都有免费额度或试用,所以可以用自己的数据来做决定,而不是看营销截图。一套行之有效的测试方法:

  1. 用难的音频,不要用演示。找一段你所在行业的真实讲话,带口音、带行话。演示视频永远是在录音棚录的。
  2. 测试你确切的语言对。没有哪个工具在所有语言上表现一样;英语对西班牙语很出色,说明不了荷兰语对西班牙语怎么样。
  3. 给延迟计时。从对方停下到你听懂为止。六秒以内可用;超过六秒,对话就无法进行了。
  4. 盯住三样具体的东西:一个人名、一个数字、一次两人抢话的时刻。工具之间的真实差距就在这里。
  5. 换个差麦克风再测一遍。真正要紧的那天,总会有人在车里,或者离笔记本一米远。那才是你真正会遇到的场景。

什么不算实时翻译

这个词值得划清边界,因为它被用得太随意了:

  • 给做好的文件加字幕不算。那是对文件的处理,价格和质量都不同,因为系统可以先听完整段再做判断。如果你要的是一份文档,请看如何把音频转成文字。
  • 它不是宣誓翻译,也不是会议纪要。这里产出的任何内容都不具法律效力,好几个平台甚至在结束后不保留翻译文本。
  • 它不能替代专业口译员。在庭审、谈判或有媒体在场的活动中,你雇的是判断力和责任,而不是速度。
  • 它不翻译屏幕。幻灯片或网页上的文字要用其他工具解决。
  • 它不保证保密。这取决于音频在哪里处理、保存了什么,需要逐个服务去查。

这项技术与同传箱里的人工口译有什么区别,有哪些形式和工具类型,在这篇关于机器口译的指南里有详细展开。

关于实时翻译的其他问题

如何开启实时翻译?

看在哪里用。在 Teams 中,如果你的组织有许可证,依次进入“更多选项”→“语言和语音”→“Interpreter”。在 Zoom 中,开启附加组件后点“More”→“Voice Translator”。在 Meet 中,从“会议工具”→“语音翻译”进入,由一位使用兼容版本的参会者为所有人开启。在 Chrome 中,路径是“设置”→“无障碍”。在桌面程序里,则是选择你要监听的应用和两种语言。

怎样用人工智能做实时翻译?

这里介绍的所有选项都已经基于 AI 模型:语音识别、机器翻译和语音合成。“AI”这个标签分不出彼此,所以不能当作购买标准。真正能区分它们的是音频从哪里来(会议里的机器人、浏览器扩展,还是本机捕获)、谁需要许可证,以及套餐包含多少分钟。

怎样实时翻译一段对话?

如果对话发生在屏幕上,用平台自带功能,或者用一个能监听该应用的程序;如果还想让对方听到你被翻成另一种语言,就需要双向翻译,而不是哪里都有。如果对方就在你面前,最实用的是手机 App 的对话模式,轮流说话即可。

实时翻译器怎么用?

三个设置决定效果:选对音频来源(具体的应用,而不是整台电脑,以免混进音乐和通知),如果要听译文语音就戴耳机——否则麦克风会把译文收进去再译一遍——以及把原声调低而不是静音,以保留语气和打断。

那么,我们自己用哪一个?

日常工作用电脑上的程序,因为它对会议、录播课和视频一样适用,也不依赖任何人的许可证。客户在 Teams 上组织会议、而且已经付了 Copilot 时,我们就用他们的 Interpreter,省去解释。浏览器里的单个视频,Chrome 字幕就够了,而且免费。如果涉及合同、新闻发布会或庭审,我们会请口译员:那时花钱买的不是几秒延迟,而是有人为说过的话负责。

在你自己的电脑上实时翻译

会议、视频和课程,用对方的语言进行,无需机器人,也不用别人的许可证。每天免费 15 分钟,无需绑卡。

免费注册