实时语音、字幕与会场传译

作者：Parley Voice 团队 · 最近更新 2026 年 10 月 14 日 · 我们是 Parley 的开发者，本文不是独立评测。

三种模式一览

同声一词不应被理解为瞬时。AI 语音翻译通常会缓冲音频以建立上下文，再生成可靠短语。结果可能落后于原说话人，且对短句与长句表现不同。

模式一：面向线上会议的双向口语翻译

设想一场国际产品访谈。面试官用英语提问；受访者听到译成中文的问题。受访者用中文回答；面试官通过会议软件听到英语口语译文。

这是双向对话。双方都在贡献内容，因此需要的不只是字幕或单一演讲声道。

音频路径长什么样

对运行 Parley 的一方：

发言路径：本机麦克风 → 翻译服务 → 译音 → 虚拟麦克风 → 会议。

收听路径：会议音频 → 翻译服务 → 译音 → 本机耳机。

Parley 在此流程旁显示原文与译文字幕。其他参会者不必安装 Parley；他们在正常会议中听到外发译音。该架构适用于兼容的 Zoom、Teams、Meet 配置，但依赖前请测试设备路由与麦克风权限。

双向音频能提供、而仅靠字幕 不能的东西

字幕让对话可读；双向音频还让人能够通过开口参与。当客户在看共享设计、技术受访者在演示软件，或参会者难以跟上快速字幕流时，这一区别很重要。

语音也减少在说话人与书面译文之间不断分心。但语音结果可能听起来流利，却仍出现术语或数字错误。精度重要时，请把双语字幕留作第二参考。

双向会议语音的难点

真实对话不可预测。两人可能同时开口、互相打断、使用未经介绍的缩写，或在半句中切换语言。语音翻译模型可能在这些情况下吃力，因为它需要足够上下文来判断说了什么。

对重要观点留出清晰停顿，让每位说话人说完一个想法，并复述日期、价格、数量与责任人以便确认。对有法律、安全、财务或合同后果的决定，请要求书面确认，或在适当时引入合格人工译员。

完整线上工作流见 Parley 会议翻译页 与 桌面音频设置指南。

模式二：面向共享理解的字幕优先翻译

字幕优先翻译优先可读文字，往往重于单独合成的音频流。对多人互动讨论、有共享大屏的课堂，或希望保留原音同时用文字跟进另一语言的会议，这可能是务实选择。

典型流程直接：采集语音、识别、写成译文并显示。视平台而定，字幕可能出现在电脑、手机、浏览器、会议窗口或共享屏幕上。有些产品提供说话人标签、转写历史或供听众访问的链接/二维码。

字幕特别有用的地方

• 快速核对：听者可以回看术语、人名、数字或短语，而不只依赖一闪而过的合成音。
• 无障碍与偏好：部分听众更偏好文字，尤其在无法听音频或听音条件差时。
• 会议产物：视供应商而定，字幕可能进入转写、笔记或导出，便于后续工作。
• 复杂受众：若语言访问安排得当，可读流可能比给每位参会者单独音频设备更简单。

字幕不能完全替代主动口语传译。必须持续用自己不熟悉的语言开口的参会者，仍需要合适的外发翻译工作流。

「字幕优先」不等于每个产品都「仅字幕」

实际产品模式很重要。KUDO 官方文档区分：

• AI Captions Only（仅字幕）：面向互动式多语讨论，有字幕与转写，但该模式不含 AI 口语翻译输出。
• AI Speech & Captions（语音与字幕）：面向一对多活动，含 AI 语音翻译以及多语字幕等活动能力。

JotMe 也强调译文分享、转写与会议笔记，同时宣传部分口语翻译功能。应核对其当前客户端与方案，而不是把整款产品归为严格纯文字。

Parley 的字幕能力不同：双语字幕伴随其翻译会话，字幕历史留在桌面应用的本地存储，用户可导出字幕文件。不应把它宣传成已提供带二维码分发的独立多听众字幕门户。

何时默认用字幕更好

若参会者已能较好地使用共通语言，但需要帮助跟进口音、术语或偶尔的非母语发言，字幕可能是最简单的方案。人人同时活跃的大型讨论，用文字优先支持也可能比互相竞争的口语翻译声道更好管理。

选择字幕平台时，请核实语言覆盖、延迟、可读性、说话人识别、听众访问、隐私，以及保存的文本能否被纠正。实时字幕也会误识别；不应自动成为权威记录。

模式三：面向现场活动的单向会场传译

再设想一位讲师用中文做产品工作坊。部分听众要听英语，另一些要听日语。讲师是单一主源，听众主要听，而不是持续来回对话。

这是一对多音频分发问题。源麦克风进入翻译系统，每种选定目标语必须路由到相应的实体收听设备或声道。

Parley 现场模式做什么

Parley 的 现场传译模式以本机麦克风为输入，可以把译音导向一台或多台已配置的实体音箱或耳机。每路输出可有自己选定的语言与设备。

简化流程是：

一位讲者麦克风 → Parley + 所选云服务 → 英语音箱/耳机 与 日语音箱/耳机。

这不是经虚拟麦克风的会议翻译。现场设置中，Parley 文档化直接使用实体输入与输出设备；不需要会议专用虚拟音频设备。

「多路」不等于无限独立听众声道。可用输出语言与设备数量取决于软件配置、硬件连接、供应商支持，以及在不造成混乱的前提下分发音频的能力。

实体音频分发是产品体验的一部分

会场最大的挑战往往不是 AI 翻译，而是把每种语言送到正确的耳朵。同一房间里分开的音箱可能互相干扰。耳机或独立收听区有助于隔离语言组，但需要更多设备与音量控制计划。

务实的小型活动配置可能包括：

1. 一支靠近讲者的近讲话筒。
2. 一台运行翻译会话的 Windows 或 Mac 电脑。
3. 每种选定语言各有独立输出设备。
4. 不同语言组坐在一起时使用耳机，或在房间/收听区允许时谨慎分离音箱。
5. 一位能监听源音频、各路输出与会话状态的操作者。

放置输入麦克风，使其不会收进音箱放出的译音。否则译文可能反馈进自己的源，造成重复并降低准确率。

何时 Parley 会场模式不是合适工具

高度互动的大会圆桌、多桌同时对话，或有成千上万独立听者的大型多语活动，比单源工作坊要求更高。此类活动可能需要专用声道分发、活动制作支持、译员，以及更正式的听众设备管理。

人人自由发言的线上会议，一般应使用双向工作流，而不是单源会场配置。需要参会者自选目标语的大型会议，可能更适合 Wordly、KUDO 或恰当的 Palabra 部署等面向活动的平台。

实时声音克隆与三种模式的关系

声音克隆回答「译音听起来应该像什么？」它并不回答「译文送到哪里？」

在双向会议中，类似说话人的合成音可能让译后对话更连贯。在现场演讲中，中性音色经音箱播放可能更好跟进。在字幕优先流程中，声音克隆可能无关，因为听众读的是译文而不是听。

Parley 托管的千问与豆包选项在当前会话费率下宣传实时声音克隆。包括 Microsoft Teams Interpreter agent 在内的其他厂商也描述说话人声音模拟，因此这不是 Parley 独有的功能。

Parley 当前公开的托管选项不要求事先声音注册，但翻译语音仍涉及云端音频处理。声音近似不能保证翻译准确、身份或情绪保真。更深说明见 用自己的声音做会议翻译。

语言覆盖：源语言与语音输出不是一回事

对三种模式都要问：系统能否听懂源语言，以及能否说出请求的目标语。支持 60 种识别语言的模型未必提供 60 种语音输出。

根据 Parley 当前语言说明：

粤语是说明该区别为何重要的例子：Parley 将其列为千问输入支持，而非千问语音输出。多语会场请独立核对每一种输出语言，并确认已安装应用提供预期模型与音色。

这也是不要把「多种语言」说成自动普适支持的原因。模型规格、地区可用性与桌面应用当前集成是分开的考虑。

费用与许可：对话模式 vs 会场模式

Parley 托管服务当前按连接会话时长计一次费，即使会议使用双向语音，或会场会话使用多路已配置输出。这与按流、按听者或按活动小时分别计费的平台不同。

例如，60 分钟托管千问会场会话在标价下是$4.20 会话用量，无论一路还是多路受支持输出。这不含会场使用权、所需实体音频设备或其他活动开支。豆包在受支持的中英工作流下，同样 60 分钟用量按当前标价为$8.88。

会话保持连接时的静音也计入。休息时请停止，演讲结束后关闭会话。临时促销可能改变钱包余额或使用权的实付金额；以上示例故意使用标准标价。

最新细节见 Parley 当前价格与许可规则。

规划多语活动：实用清单

即使是短工作坊也值得彩排。用以下顺序同时检查技术与人工流程。

活动前

• 识别发言模式。是一位讲者、有主持的问答，还是开放辩论？若每位参会者都会说，单向会场假设可能不成立。
• 确认源语言与目标语。对照所选模型与应用版本，核实每一种请求的语音输出语言。
• 定义投递方式。译音经场地音箱、有线耳机还是其他获批输出系统播放？
• 检查设备路由。逐路测试输出。确认英语不会误从日语收听通道播出。
• 审查同意与数据规则。告知说话人：所选音频将由云端翻译服务处理，并取得组织与所在地要求的许可。
• 准备回退方案。保留原音、主持人、书面幻灯片，以及暂停或澄清误译内容的方式。

活动中

• 给讲者靠近嘴、且远离译音输出的麦克风。
• 请讲者在长观点之间合理停顿，并仔细念出专名与数字。
• 监听所选输出、延迟、音量与回授——不要只看屏幕字幕。
• 允许听者报告令人困惑的术语。必要时用更简单的语言复述关键陈述。
• 若长休息期间不再需要翻译且仍在计费，请停止会话。

活动后

• 在可用时，对照原文与译文字幕检查人名、金额与承诺。
• 若有帮助，使用产品支持的历史导出功能导出字幕文件。
• 在未核对准确率、说话人许可与内容保留政策前，不要把原始 AI 字幕当作已核实笔录发布。
• 记录运营教训：哪条音频路径失败、哪些术语出错、哪些听众组需要不同收听安排。

同样的基本纪律也改善线上会议：测试双向、告知参会者正在使用何种翻译，并留出核实重要细节的空间。

一分钟内如何选对模式

选双向实时语音：当双方需要在中小型线上对话中跨语言开口。在 Parley 中这是会议模式：用虚拟麦克风外发译音，用耳机收听来话译文。

选字幕优先翻译：当主要任务是用文字跟进讨论、可读术语很重要，或参会者不需要口语回复的译文。按字幕投递与听众访问评估产品——不要按你不会用的语音功能评估。

选现场传译：当有一位主讲、且一组或多组语言听众需要在同一场地听到口语音频。活动前规划实体输出设备、回授隔离与许可。对大型或高度互动的大会，评估专用活动传译基础设施与人工支持。

常见问题

实时字幕等于同声传译吗？

不等于。实时字幕投递文字。同声传译通过适当通道投递口语或手语，尽管 AI 语音翻译可能落后于源语。一项服务可以两者都有，但一方并不自动蕴含另一方。

Parley 会翻译线上会议的两侧吗？

会。其文档化的会议模式把你的外发麦克风译成对方语言，并把会议来话译成你偏好的语言。按当前计价，双向共用一次托管会话费用。

现场活动中 Parley 能否输出多种语言？

其文档化的会场模式支持单一源馈送一路或多路目标语输出，每路映射到选定的实体收听设备。活动前请确认输出语言、设备可用性与真实可听度。

听众需要特殊翻译耳机吗？

不一定。Parley 现场模式可使用经恰当配置的音箱或耳机。共享的多语房间仍可能受益于个人耳机或分发系统，以免多路语言互相干扰。

Parley 是否为所有听众提供可分享的二维码字幕页？

按当前 Parley 文档，这不是已确立的功能。Parley 在桌面应用中显示双语字幕，并支持本地历史与字幕导出。若需要面向听众的共享字幕，请评估明确文档化该投递方式的产品。

AI 传译能否在敏感会议中取代人工译员？

不能在所有情境下可靠取代。模型可能误解人名、否定、专业术语或承诺，尤其在语音重叠时。当准确率、保密、责任或法规要求人工时，使用合格人工译员，并以书面确认有后果的细节。

探索 Parley 并比较替代方案

若需要在线上通话中跨语言说与听，从 Parley 会议翻译 开始。对工作坊、演示或小型现场活动，查看 现场传译工作流 与 当前会场价格。

若仍在比较产品类别，见 2026 年如何选择会议翻译工具 与 Zoom、Teams、Meet 原生翻译与桌面应用。

来源与核实

功能与价格反映 2026 年 10 月 13 日审阅的公开文档。设备配置与语言输出能力必须按每次实际部署验证。

• Parley — 会议翻译
• Parley — 现场传译
• Parley — 语言与音色
• Parley — 价格与会场使用权
• Parley — 下载与音频设置
• Parley — 数据处理
• KUDO — AI Speech & Captions（语音与字幕）与 AI Captions Only（仅字幕）
• JotMe — 会议翻译平台
• Palabra — 对话、演讲与 API 选项
• Wordly — 活动翻译价格