部落格

語音即時翻譯的原理:從收音、辨識、翻譯到自然回讀的完整流程

語音即時翻譯的幕後機制拆解:五段流程分別承擔什麼——說著話就同步進行的串流語音辨識、無需預設的自動語種判斷、GPT 系列的即時翻譯,以及帶自然語調的語音回讀。哪些環節讓它流暢、哪些環節是它的邊界,實際用起來又是什麼感覺,本篇一次幫你講清楚。

語音即時翻譯,是你第一次發現「對方還沒說完、回覆就來了」的那一刻——在首爾的店裡、維也納的診所裡,或是和東京客戶打視訊電話時。它不是一步,而是五步:收音、串流語音辨識、自動語種判斷、翻譯、回讀。這篇指南依照你在 app 裡實際遇到它們的順序走一遍——你要做什麼、螢幕上會出現什麼、每一步有什麼訣竅——最後再談那些實話實說的邊界。

一步一步:五段流程這樣用

  1. 開口說——你說話的當下,app 就在收音。 自然地講下去,麥克風的語音串流是當場處理的,環境噪音和兩人同時開口都扛得住。你會看到 app 立刻就進入聆聽狀態,而不是等一個開始訊號。訣竅:面朝說話的人,離風切聲和街頭噪音遠一點——這對辨識效果的幫助超過任何設定。
  2. 繼續說——你還沒說完,文字已經出現。 這就是串流語音辨識:對方還講著話,語音就變成一塊塊文字,而不是等整句結束。你最先注意到的不是準確率,而是過去那種尷尬的停頓消失了。機器跟著你正在說出口的句子走,文字大約比聲音晚一到兩秒。
  3. 跳過設定——語種當場判斷。 開始前不需要設定「從 X 譯成 Y」。自動語種判斷會認出來源語言,所以不管誰先開口,字幕都會以正確的語言顯示。
  4. 在字幕底下讀譯文。 辨識出來的文字由 GPT 系列的 AI 模型翻譯,譯文就跟在字幕後面顯示。兩邊現在讀到的是同一句。
  5. 聽它、讀它,或兩者一起。 app 一邊把譯文讀出來,一邊顯示在螢幕上——結果「可聽可讀」。這種語音回讀就是 Translation Reading(自然語音朗讀),帶自然語調——「更真實地呈現文字中的情緒與含義」——而不是平板的機器聲。對方也可以自己掃一眼、指一指,或把螢幕轉給你看,不必請你再說一次。訣竅:遇到數字和地址,直接指螢幕,讓聲音把整句話帶過去。
  6. 把對話留住。 Local Save(本機保存)會把對話存在你的裝置上,剛才聽到的價格、房號、注意事項,一小時後還能重新確認,而不是靠記憶復原。第一輪對話前記得先把開關打開。

讓它更順的訣竅

  • 短句為主,一次一句。 兩句話是舒服的上限,一大段就是翻車的模式。
  • 一側一種語言,不轉手。 你說你的,他說他的,app 待在原地——像房間裡的一位口譯員,而不是你手裡的接力棒。
  • 等一拍。 輸出會比聲音慢一到兩秒;停頓是正常節奏,不是當機。
  • 讓對方聽,而不只是看。 往後退半步,等 app 把一句完整送出去,再開始下一句。
  • 安靜勝過嘈雜。 面朝說話的人,挑房間裡安靜的那一頭。
  • 要緊的當場確認。 如果數字就是全部重點,用自己的語言再報一遍,等對方點頭。

要注意的邊界

  • 名稱和術語不參與翻譯。 路名、藥名、品牌名原樣穿過;笑話和慣用語常常會變得平淡。預期是「意思先到、味道後到」,真正要緊的用指螢幕確認。
  • 噪音和搶話,是雙向的考驗。 沒有哪款產品能把吵雜的房間處理得完美,不過新一代模型比五年前確實強得多。
  • 你始終比對話慢幾秒。 串流設計讓對話繼續流動,而不是停了再重啟;這點延遲在閒聊裡很正常,直播訪談前值得先知道。
  • Local Save 不是離線翻譯。 Local Save 做的是把對話存在裝置上;即時 AI 翻譯需要模型和網路。在沒有官方說明之前,不要預設它支援逐字離線翻譯,每個版本請在 app 內核實。
  • 15 種語言是一道硬邊界。 韓語、日語、德語、英語、簡體中文、捷克語、泰語、西班牙語、法語、台灣中文、義大利語、俄語、粵語、印尼語、越南語。如果你的語言對有一側不在其中,先確認再指望它。

Felo Translator 處於什麼位置

Felo Translator 是一款獨立的即時語音翻譯 app,圍繞的正是這條流程,而不是圍繞「翻譯一個文字方塊」。官方 felo.me/translator 頁面的產品敘述是:Voice Translation(語音即時轉成另一種語言)、Translation Reading(上面說的自然、有表情的回讀)、Local Save(對話存在裝置上),以及 Multilingual Translation——高速、高精度、GPT 系列——涵蓋 15 種語言。當「對話」本身就是任務時,app 就是圍繞對話打造的。

FAQ

語音即時翻譯有多快?對話在人們說話的同時被翻譯——串流設計讓輸出只比說話者慢幾秒,而不是等一整句說完。實際延遲取決於連線品質和涉及的語言。

對方還在說話時就會翻譯嗎?會——這正是它和舊式兩步設計(先轉寫、再翻譯、然後朗讀,中間硬停一拍)的根本差別。系統邊收邊處理,所以回答是繼續流動的,而不是停了一下才重新開始。

能用自然語音把譯文讀出來嗎?是語音化的,但不是原說話者的聲音。回讀使用自然語調——音高、節奏、重音——聽起來像人在朗讀含義,而不是一台平板的機器。

Felo Translator 可以離線用嗎?有文件記載的裝置端功能是 Local Save——把對話存到裝置上,供之後查看。即時翻譯是需要連線才能運作的功能;沒有官方聲明,別預設它可以離線翻譯,每個版本請在 app 裡核對。

Felo 編輯團隊。Felo 編輯團隊關注語言、語音翻譯,以及跨越語言邊界交流時那些容易被忽略的細節。