在你电脑上运行的会议实时翻译功能
这里介绍 AI Translator 目前能做的事，与应用中的实际表现完全一致。只有付费套餐才有的功能都会明确标出。
AI 翻译，无需把会议放到云端
两个 AI 模型，一个负责语音识别，一个负责翻译，直接在你的电脑上运行。没有任何环节会把你的音频或会议内容发送到服务器或云端 AI 服务。
- 你的电脑会议音频
- 互联网
- 服务商的服务器以及云端 AI
- 互联网
- 字幕传回你的电脑
会议音频离开你的电脑，在你无法控制的地方被处理。
- 音频在你的电脑上
- 在你电脑上运行的 AI语音识别 + 翻译
- 字幕显示在你的屏幕上
不经过云端：音频、转写内容和译文都留在你的电脑上。
两个在本地运行的 AI 模型
一个模型识别语音，一个模型负责翻译。两者都只需下载一次，之后利用 GPU 或 CPU 在你的电脑上运行。
不绕路，所以延迟低
不需要往返服务器，说话人说完一句话后译文很快就会出现。在 Mac M4 Pro 上中位数低于 1.1 秒；测试条件见下方的“性能”部分。
对话数据留在你的电脑上
音频只存在于 RAM 中；转写文本和译文留在你的电脑上。历史记录默认关闭，开启后也会在你的电脑上加密保存。
收听、识别、翻译、显示字幕，一气呵成
AI Translator 采集电脑上播放的音频，把它切分成句子，识别语音，进行翻译，再把结果显示在字幕条上。在 Mac M4 Pro 上，说话人说完一句话后约 1 秒（中位数）就会显示完整译文；其他电脑可能更慢，请查看测量数据。
- 源音频和译文都支持五种语言：英语、中文、日语（日本語）、韩语（한국어）、越南语（Tiếng Việt）。我们计划在未来增加更多语言（暂无时间表）
- 在你于会议中使用的语言里勾选的语言中自动检测正在说的语言；如果你知道会说哪种语言，也可以在源语言中固定为一种
- 已经是你想阅读的语言的句子会直接显示，不会再翻译一遍
- 尚未定稿的句子颜色较浅，说话人继续说下去后会被完整的句子替换
- 过滤语音识别在音乐或静音时容易“编造”出来的“幻影”句子
- 识别出的中文会转换为简体字
字幕是单向的：从会议到你。
AI Translator 把电脑播放出来的音频翻译成你的语言，目前还不能把你自己的声音翻译给会议中的其他人。要在聊天中用文字回复，请使用输入翻译：你用自己的语言输入，应用会把译文粘贴到聊天框中。如果双方都安装了应用，每个人都能看到对方的字幕。
可自定义的悬浮字幕条，不妨碍你开会
字幕条是一个独立的无边框窗口，背景半透明。它始终置顶，从不抢走会议应用的焦点，所以你可以像平时一样在聊天中打字或点击按钮。
- 拖动即可移动，拖动边缘或角即可调整大小；每个屏幕都会记住它的位置和大小
- 字号 14–48 px，5 种文字颜色（白、黄、绿、浅蓝、橙），5 种背景颜色，背景不透明度 0–100 %
- 锁定：鼠标点击会穿过字幕条，也不会有按钮挡路；用快捷键或托盘菜单解锁
- 保留最近 1,000 句；用鼠标滚轮或快捷键回看，按最新按钮回到当前句子
- 在译文上方以小字显示原文（默认开启，可以关闭）
- 角落里的小提示：检测到声音正在收听、正在加载模型、处理跟不上、剩余翻译时间不足 5 分钟
任何会议应用，无需机器人，无需插件
由于应用采集的是系统音频，AI Translator 适用于任何能发出声音的内容：Zoom、Microsoft Teams、Google Meet、Zalo PC、网络研讨会、视频和在线课程。
- macOS：收听整个系统（应用本身除外），或只收听一个正在播放声音的应用，这样其他应用的提示音就不会被误翻译
- Windows：默认播放设备，或你选择的设备
- 切换播放设备时（例如插上耳机或连接蓝牙），音频来源会自动重新打开
- 结束一句话的停顿可在 50 到 800 ms 之间调整：越短字幕出现越快，越长句子越不容易被截断
在 macOS 上，第一次点“开始”时，系统会请求录制系统音频的权限。应用不使用麦克风。查看如何授予音频权限。Windows 不需要这项权限。
按你的方式保存听到的内容
当前会话的转写记录适用于所有套餐。保存历史记录和导出到文件是 Pro 功能。
- 转写记录：每一行都有时间、原句和译文；所有套餐都可以搜索和全部复制
- 导出为 TXT、SRT 或 Markdown；导出 SRT 时可以选择文本使用译文还是原文 Pro
- 会话历史：逐个查看、打开和删除会话，或一次全部删除 Pro
- 历史记录默认关闭。开启后会加密保存在你的电脑上，密钥保存在钥匙串（macOS）或凭据管理器（Windows）中
- 一键从这台电脑上删除历史记录和术语表（需确认；另有一个按钮也会删除模型），所有套餐都可用
把人名和术语作为提示交给翻译
为产品名、合作伙伴名称和行业术语添加“原文 → 译文”对。当句子里出现其中某个词时，应用会把它作为提示交给翻译。
- 最多 500 条，支持 CSV 导入和导出（两列，UTF-8）
- 匹配时不区分大小写；中文、日语和韩语术语在词语中间也能匹配
- 每句话最多使用 20 条相关条目
术语只是给翻译的提示，所以不能保证每次都用得正确。应用中也是这样说明的。
就在你正在用的聊天框里，用对方的语言聊天
在你正在使用的应用的聊天框中按 ⌃ + ⌥ + G（Windows：Ctrl + Alt + G）。在悬浮的输入框中用自己的语言输入，译文会立即显示在下方。按 Enter 把译文粘贴到聊天框中，检查后再按一次 Enter 发送。
- 翻译成你交谈对象的语言（取自你的字幕设置），或你选择的语言
- 所有有效套餐都包含，试用期间的 Free 也可以用，而且不消耗翻译时间
- 在你的电脑上翻译：你输入的内容和译文从不离开电脑
- 使用你平常的键盘和输入法输入；如果翻译失败，应用绝不会粘贴你的原文
在 macOS 上，自动粘贴需要辅助功能权限；没有该权限时，应用会复制译文，你可以用 ⌘V 粘贴。请查看输入翻译指南。
不离开会议就能控制
六个全局快捷键即使在 AI Translator 不是前台窗口时也能使用。每个快捷键都可以在“设置 › 快捷键”中更改。
| 操作 | macOS | Windows |
|---|---|---|
| 开始或停止翻译 | ⌃ + ⌥ + T | Ctrl + Alt + T |
| 显示或隐藏字幕 | ⌃ + ⌥ + H | Ctrl + Alt + H |
| 锁定或解锁字幕 | ⌃ + ⌥ + L | Ctrl + Alt + L |
| 向上滚动字幕（较早的句子） | ⌃ + ⌥ + PageUp | Ctrl + Alt + PageUp |
| 向下滚动字幕（较新的句子） | ⌃ + ⌥ + PageDown | Ctrl + Alt + PageDown |
| 打开或关闭输入翻译框 | ⌃ + ⌥ + G | Ctrl + Alt + G |
在 macOS 上，⌃ 是 Control，⌥ 是 Option。快捷键至少要包含 Ctrl、Alt 或 Cmd/Win 中的一个。
通过菜单栏图标（macOS）或系统托盘图标（Windows），可以开始或停止翻译、显示或隐藏和锁定字幕，以及打开主窗口。关闭窗口只会把应用隐藏到托盘；要完全退出，请选择退出。
两种模型包，应用会推荐适合的一种
识别和翻译模型只需下载一次，之后完全在你的电脑上运行。应用会检查你的内存、可用磁盘空间和显卡，然后推荐一种模型包。
| 项目 | Standard 模型包 | Lite 模型包 |
|---|---|---|
| 下载大小 | 约 2.5 GB | 约 1.3 GB |
| 运行时内存（M4 Pro） | 约 2.9 GiB | 约 1.8–1.9 GiB |
| 应用推荐用于 | 16 GB 或以上的 Mac；16 GB 或以上、带 6 GB 显存独立显卡的 Windows | 8 GB 到不足 16 GB 的电脑，或没有合适独立显卡的 Windows |
Lite 模型包在越南语、日语、韩语和中文上的语音识别不如 Standard 清晰。如果你经常听这些语言，请选择 Standard 模型包。
- macOS
- macOS 14.2 或更高版本，Apple 芯片（M1 或更新）
没有 Intel Mac 版本 - 内存
- 至少 8 GB，建议 16 GB
- 磁盘
- 在要下载的模型大小之外，至少还需 1 GB 可用空间
- Windows
- Windows 10/11 64 位（x64），支持 AVX2 的 CPU
Standard 模型包建议使用 6 GB 或以上显存的独立显卡。尚未进行代码签名，所以安装时 SmartScreen 可能会发出警告；Windows 上的延迟只在一台使用集成显卡的笔记本上做过初步测试，比 Mac M4 Pro 慢（见“性能”）
真实测量数据，附测试条件
我们只公布实际测得的数据，并说明是在哪台机器上测的；没有测试过的机器，我们也会如实说明。
| 测量项目（Mac M4 Pro 24 GB，macOS 26，Apple GPU） | Standard 模型包 | Lite 模型包 |
|---|---|---|
| 延迟中位数（p50）：从说话人说完一句话到完整译文出现 | 0.76–1.03 秒 | 0.61–0.84 秒 |
| p90 延迟 | 0.94–1.34 秒 | 0.73–1.14 秒 |
| 第一个译词出现（p50） | 0.63–0.69 秒 | 0.52–0.57 秒 |
| 运行时内存 | 2.9 GiB | 1.8–1.9 GiB |
长时间会话
一次连续 5 小时 23 分的会话（英语讲座视频，临时签名的发布版本）：6,019 个片段，没有错误，延迟中位数 0.48 秒。在 2 小时的稳定性测试中，没有任何组件重启。
翻译和识别质量
在一项内部测试中，我们通过应用自己的翻译流程测试了八个涉及越南语的方向，Standard 模型包的翻译模型在自动翻译质量评分（0 到 1，见下表）上平均约 0.84。翻译模型是在另一套测试集上比较多个模型后选出的。在清晰的朗读语音上，Standard 模型包的越南语识别词错误率为 8.7 %。这是朗读语音，不是真实的会议对话。
各方向的翻译和识别质量
自动翻译质量评分通过应用自己的翻译流程测得（与实际使用的设置相同），每个方向 100 句（越南语 → 中文、日语、韩语为 40 句）。这是 0 到 1 的相对分数，越高越好；它不是准确率百分比。
| 方向（文本） | Standard 模型包 | Lite 模型包 |
|---|---|---|
| 英语 → 越南语 | 0.842 | 0.841 |
| 中文 → 越南语 | 0.829 | 0.831 |
| 日本語 → 越南语 | 0.830 | 0.815 |
| 한국어 → 越南语 | 0.834 | 0.822 |
| 越南语 → 英语 | 0.821 | 0.822 |
| 越南语 → 中文 | 0.836 | 0.821 |
| 越南语 → 日本語 | 0.847 | 0.845 |
| 越南语 → 한국어 | 0.851 | 0.842 |
| 语音识别（错误率，越低越好） | Standard 模型包 | Lite 模型包 |
|---|---|---|
| 英语（词错误） | 5.4 % | 6.6 % |
| 越南语（词错误） | 8.7 % | 22.5 % |
| 中文（字错误） | 5.6 % | 9.6 % |
| 日本語（字错误） | 4.5 % | 13.1 % |
| 한국어（字错误） | 4.1 % | 8.2 % |
如何解读：翻译测试集偏向日常口语，所以只能粗略反映会议用语；识别是在清晰的朗读语音（每种语言约 15 分钟）上测得的，不是真实的会议对话；在模拟窄带音频（类似通话模式下的蓝牙耳机）的测试中错误率会上升，我们没有测试过真实的耳机。上面八个方向都涉及越南语；英语、中文、日本語和한국어之间的其他 12 个方向可以使用，但还没有质量评分。Lite 模型包识别越南语、日语、韩语和中文的准确度明显较低。
我们没有测量、也不承诺的内容
上面的所有数据都在同一台 Mac M4 Pro 上测得，断句停顿设为 300 ms（应用当前的默认值是 50 ms；5 小时的会话使用的是默认值）。我们没有测量：M1 Mac、8 GB 内存的电脑、Windows 独立显卡、电池和功耗、真实会议对话或蓝牙耳机下的准确度，以及不涉及越南语的方向的翻译质量（可以使用，但没有可公布的质量评分）。在一台 Windows 笔记本（Core i5-1345U，集成显卡，32 GB 内存，Windows 11；每种设置 6 次会话，每次 17–23 句）上的初步测试中，Lite 模型包的延迟中位数为 1.3–2.6 秒，Standard 模型包为 2.7–5.4 秒，没有达到我们的延迟目标。这台笔记本比我们的最低配置更强，所以这些不是弱配置电脑上的数据。
各功能包含在哪些套餐中
| 功能 | Free（试用） | Monthly | 6 Months | Yearly |
|---|---|---|---|---|
| 实时翻译字幕，5 种语言 | 有 | 有 | 有 | 有 |
| 可自定义的字幕条、快捷键、托盘 | 有 | 有 | 有 | 有 |
| 查看、搜索和复制转写记录 | 有 | 有 | 有 | 有 |
| 术语表（最多 500 条） | 无 | 有 | 有 | 有 |
| 保存会话历史 | 无 | 有 | 有 | 有 |
| 导出为 TXT、SRT、Markdown | 无 | 有 | 有 | 有 |
| 翻译时间 | 每天 30 分钟，共 10 天 | 每 30 天 50 小时 | 180 天内每 30 天 100 小时 | 365 天内不限时长 |
| 价格（VietQR，VND） | 0 ₫ | 50,000 ₫ | 269,000 ₫ | 500,000 ₫ |
| 价格（国际银行卡，USD，不含税） | — | US$3.99 | US$21.99 | US$39.99 |