---
title: "VoxisLive 工作原理 — 无需驱动的语音翻译（Windows）"
description: "深入解析处理流程：WASAPI 环回捕获、设备端语音检测、同声传译 AI 模型与心理声学原声压低。了解它如何运行。"
url: https://voxislive.com/zh/how-it-works
language: "zh-CN"
source_html: https://voxislive.com/zh/how-it-works
site: "Voxis — real-time voice translation"
og_image: https://voxislive.com/assets/og.png
generated_by: voxislive-markdown-pipeline
---

[首页](https://voxislive.com/zh/) · / · 工作原理

工作原理

# 从扬声器到您的语言，只需几秒。

VoxisLive 通过 WASAPI 环回直接捕获系统音频，在设备端检测语音，用实时 AI 模型翻译，再把结果说出来——同时自动调低原声。

## 第 1 步——音频捕获，无需驱动

VoxisLive 使用 **WASAPI 环回**——这是 Windows 底层的音频会话 API（Windows Audio Session API），录屏软件也用它来捕获“正在播放的声音”。这是 Windows 的原生能力：无需虚拟音频线，无需安装驱动，也不用更改音频路由。捕获与播放之间没有延迟，也不会产生可听见的杂音。

同类工具通常把音频路由到 VB-CABLE 之类的虚拟设备，这需要安装驱动（往往要管理员权限并重启），还可能与独占模式音频、ASIO 驱动或反作弊系统冲突。VoxisLive 完全避开了这类问题。

## 第 2 步——设备端语音检测

应用在设备端运行**语音活动检测（VAD）**，把语音与静音、背景噪声和音乐区分开——在您的 CPU 上本地完成，无需经过网络往返。只有被识别为人声的片段才会进入翻译，这样既降低延迟，也能保护您的分钟余额。VAD 还会跟踪 VoxisLive 自己播放的语音，因此不会把自己的声音再翻译一遍。

## 第 3 步——一次完成的同声传译

语音片段会送入一个**多模态实时模型**，由它在一次低延迟处理中完成识别、翻译和语音合成——把传统流程中依次进行的三次网络调用（语音转文字 → 翻译 → 文字转语音）合并为一次。就像同声传译间里的人工口译员，说话人还在讲，它就已经开始翻译。

## 第 4 步——带原声压低的语音播放

译文语音通过您的输出设备播放，同时有两件事并行进行：**基于心理声学的原声压低**会在译文播放时调低原声（与专业同声传译的做法一致），**延迟同步**则让每段译文与对应的语音片段保持对齐，因此长时间使用也不会错位。

技术参考与引用

## 架构与标准文档

VoxisLive 的引擎基于开放标准和企业级 AI 规范构建。请查阅底层文档：

- **WASAPI 环回捕获：**基于 [Microsoft Core Audio APIs（WASAPI）](https://learn.microsoft.com/en-us/windows/win32/coreaudio/wasapi) 构建，实现无需驱动的系统音频捕获。
- **Google Gemini Live API：**由 [Google AI Studio 的 Gemini Live API](https://ai.google.dev/docs) 提供支持的实时 WebSocket 翻译。
- **Alibaba Qwen Realtime API：**由 [Alibaba Cloud DashScope 的 Qwen Realtime API](https://www.alibabacloud.com/help/en/model-studio/) 提供支持的实时流式翻译。
- **设备端 VAD 与说话人切换检测：**语音检测和说话人切换标注都在本地运行，基于 [sherpa-onnx C++ CPU 模型](https://k2-fsa.github.io/sherpa/onnx/)。这些标签只标出声音何时发生变化——并不识别是谁在说话，也无法为其命名。

![VoxisLive 主窗口正在翻译一段视频，并显示实时双语转写记录](https://voxislive.com/assets/shot-app-dark.png?v=1081)

## 观看概览——不到 8 分钟了解 Voxis 能做什么

这段时长 7:48 的概览视频完整介绍了 Microsoft Store 中现行版本的应用：它要解决的问题、无需驱动的捕获与同声传译如何配合、视频与游戏模式、双向会议模式、语音与字幕选项、历史与转写记录导出、1.0.93 版本的新增内容，以及免费方案和一次性分钟套餐的运作方式。视频提供 23 种语言的字幕。

## 到底有多快？

VoxisLive **近乎同步，而非零延迟**：通常比原声慢几秒，具体取决于话语长度和网络延迟。很短的片段会被合并处理，以免出现质量差的单词翻译。

## 没有机器人的会议

VoxisLive 从不以参会者身份加入通话，从不请求主持人权限，也从不触碰会议应用本身。它读取的是已经在向您的扬声器播放的音频，因此其他参会者看不到它，而且在 Zoom、Teams、Google Meet、Webex 和 Discord 中表现一致。在双向模式下，它还会通过虚拟麦克风，把您自己的讲话翻译成会议所用的语言。

## 哪些数据会离开您的电脑

使用 Store 版托管应用时，音频经由代理发送给模型，**会话结束后不会保留任何音频**。设备端 VAD 把语音与静音、背景噪声和音乐区分开；在付费方案中，会话进行期间音频流持续发送，而在免费方案中只发送检测到的语音。

快速上手

## 两种模式，一分钟内设置好

## 视频与游戏模式——翻译电脑上播放的任何内容

适用于电影、直播、YouTube 视频，或带有人声对白的游戏。

1. 打开 VoxisLive，在左侧面板选择**视频与游戏**。
2. 在**我听到的语言**下选择您想听的语言。您无需设置所说的语言——它会被自动识别。
3. 按下**开始**。无需其他配置——VoxisLive 会监听扬声器中正在播放的任何内容，并在几秒内开始说出译文。

无需安装任何东西，也不用另选音频设备：VoxisLive 直接捕获电脑的系统音频（参见上文“音频捕获，无需驱动”）。

## 会议模式——在 Teams、Zoom 或 Google Meet 上听懂对方，也让对方听懂您

会议模式是双向的：您听到对方的讲话被翻译成您的语言；如果您也希望对方听到翻译，您的声音会被翻译成对方的语言。

**两个选择器选的都是目标语言，都不是正在说的语言。**“我听到的语言”决定传到您耳中的语言，“对方听到的语言”决定传到对方耳中的语言。所说的语言会被逐句自动识别，双向皆然——所以无论您切换到哪种语言，对方听到的仍是您所选的语言；即使对方使用多种语言，或同一通通话里有三种语言，您听到的也始终只有您选的那一种。

1. 打开 VoxisLive，在左侧面板选择**会议**。设置**我听到的语言**（您想听的语言）和**对方听到的语言**（对方应当听到的语言）。两者都不会问所说的是什么语言——这由系统自动识别。
2. 按下**开始**。您会立即听到对方参与者的译文。
3. **要让对方也听懂您，还需要在会议应用中（而不是在 VoxisLive 中）多做一步：**打开 Teams（或 Zoom、Meet）自己的音频设置，把**麦克风**设为电脑上已安装的虚拟音频线（名为“CABLE Output”或类似名称）——VoxisLive 不会安装虚拟音频线，只会使用已有的那一条。VoxisLive 会自动切换 Windows 的默认麦克风，但有些会议应用会记住您之前选的麦克风，不会自行跟随这一变化——所以请在通话开始时再确认一次。

各应用的分步指南（附截图）：[Zoom](https://voxislive.com/zh/use-cases/zoom-translation)、[Microsoft Teams](https://voxislive.com/zh/use-cases/teams-translation) 和 [Google Meet](https://voxislive.com/use-cases/google-meet-translation)。

如果跳过最后一步，您仍然能听到其他所有人的译文——只是对方听到的还是您的原声。在 Windows 上，虚拟音频线本身是必需的：没有安装时，会议模式将无法启动，应用会在会话开始前告知您。请安装 VB-CABLE 这类免费的虚拟音频线，然后重启 VoxisLive。在 Linux 上，应用会自行创建虚拟麦克风。如果您只需要听懂对方，视频与游戏模式无需任何额外设置就能做到。

正在使用 WhatsApp 通话？请参阅[带图解的 WhatsApp 通话设置指南](https://voxislive.com/use-cases/whatsapp-translation)，其中有这两个步骤的逐步点击截图。

常见问题

## 常见问题

### 我需要 VB-CABLE 或虚拟音频驱动吗？

不需要——捕获电脑音频不需要。VoxisLive 使用 WASAPI 环回，这是 Windows 10 和 11 都提供的原生 API，因此无需安装或路由任何东西，音频设置里也不会出现新设备。双向会议模式是例外：在 Windows 上，它会通过 VB-CABLE 这类虚拟音频线发送您的译文语音，没有虚拟音频线就无法启动；在 Linux 上，应用会自行创建虚拟麦克风。

### VoxisLive 会以机器人的身份加入我的会议吗？

绝不会。它只在本地捕获您自己的系统音频，因此 Zoom、Teams 或 Meet 中不会多出第三位参会者，不会弹出权限提示，也无需任何平台集成。

### 大概会有多少延迟？

经过语音检测和 AI 处理后，比原声慢几秒。

### 翻译质量与话语长度有关吗？

是的——话语越长，翻译效果越好。很短的片段会被合并或推迟处理，以免出现质量差的单词翻译。

### 我能选择由哪个 AI 模型翻译我的语音吗？

无需也无法手动选择。VoxisLive 会根据您选的语言，自动把每个会话路由到表现更佳的引擎——目前是 Google 的 Gemini Live 与 Alibaba 的 Qwen Realtime 混用（见上文）——若某个引擎在会话中途不可用，会自动切换到备用引擎。界面不会显示某个会话由哪个引擎处理。

### 在多语言会议中也能用吗，无论对方说哪种语言？

可以。会议模式中的两个选择器选的都是目标语言，而不是源语言：一个决定您听到的语言，另一个决定对方听到的语言。所说的语言会被逐句自动识别，双向皆然——您无需选择。所以无论您切换到哪种语言，对方听到的都是您所选的语言；即使对方使用多种语言，或同一通通话里有三种语言，您听到的始终是您选定的那一种。

## 延伸阅读

[翻译系统音频 · VoxisLive 捕获整个 Windows 音频混合输出并说出实时译文——浏览器、播放器、游戏、通话皆可。](https://voxislive.com/translate-system-audio-windows) · [WASAPI 环回 · 无需虚拟音频线，实时翻译任何 Windows 系统音频。](https://voxislive.com/wasapi-loopback-translation) · [翻译应用对比 · 按平台、输出方式和价格对比九款实时语音翻译应用——包括另一款工具更合适的情形。](https://voxislive.com/best-real-time-voice-translation-apps) · [使用场景 · 一条无需驱动的流程，适用于每一种音源：翻译游戏音频、Zoom/Teams/Meet 通话、Netflix 和 YouTube 视频、直播……](https://voxislive.com/use-cases/)

免费开始使用 · 每天 10 分钟免费

## 每一种语言，都能实时听懂。

支持 Windows 10、Windows 11 和 Linux——无需驱动即可捕获音频，无需繁琐设置，通话中也不会出现机器人。

[从 Microsoft Store 获取](https://apps.microsoft.com/store/detail/9P5Z0KVS58RS?cid=DevShareMCLPCB)
[Linux · Snap Store](https://snapcraft.io/voxis)
[在 GitHub 上查看](https://github.com/VoxisLive/voxislive)


## Structured data (JSON-LD)

```json
[
  {
    "@context": "https://schema.org",
    "@type": "Organization",
    "@id": "https://voxislive.com/#org",
    "name": "VoxisLive",
    "legalName": "VoxisLive Limited",
    "alternateName": [
      "Voxis",
      "Voxis Live"
    ],
    "url": "https://voxislive.com/",
    "logo": {
      "@type": "ImageObject",
      "url": "https://voxislive.com/assets/voxis-mark-512.png",
      "width": 512,
      "height": 512
    },
    "identifier": "UK Companies House 17500296",
    "address": {
      "@type": "PostalAddress",
      "streetAddress": "71-75 Shelton Street, Covent Garden",
      "addressLocality": "London",
      "postalCode": "WC2H 9JQ",
      "addressCountry": "GB"
    },
    "contactPoint": [
      {
        "@type": "ContactPoint",
        "contactType": "customer support",
        "email": "support@voxislive.com",
        "url": "https://voxislive.com/contact",
        "availableLanguage": [
          "en",
          "tr",
          "es",
          "de",
          "fr",
          "pt",
          "ko",
          "ja",
          "zh",
          "ru"
        ]
      }
    ],
    "sameAs": [
      "https://apps.microsoft.com/store/detail/9P5Z0KVS58RS",
      "https://snapcraft.io/voxis",
      "https://chromewebstore.google.com/detail/voxis-%E2%80%94-live-translate/eaoplhkoomnlgfhcjeccgkhnkodkfbjn",
      "https://github.com/VoxisLive/voxislive",
      "https://www.reddit.com/r/LiveTranslation/",
      "https://www.reddit.com/r/LiveTranslation/wiki/index",
      "https://www.youtube.com/@VoxisLiveApp",
      "https://www.wikidata.org/wiki/Q141727138",
      "https://find-and-update.company-information.service.gov.uk/company/17500296",
      "https://www.google.com/search?kgmid=/g/11zyg5wsj8",
      "https://www.linkedin.com/company/voxislive/"
    ]
  },
  {
    "@context": "https://schema.org",
    "@graph": [
      {
        "@type": "BreadcrumbList",
        "itemListElement": [
          {
            "@type": "ListItem",
            "position": 1,
            "name": "首页",
            "item": "https://voxislive.com/zh/"
          },
          {
            "@type": "ListItem",
            "position": 2,
            "name": "工作原理",
            "item": "https://voxislive.com/zh/how-it-works"
          }
        ]
      },
      {
        "@type": "WebPage",
        "name": "VoxisLive 工作原理 — 无需驱动的语音翻译（Windows）",
        "url": "https://voxislive.com/zh/how-it-works",
        "description": "深入解析处理流程：WASAPI 环回捕获、设备端语音检测、同声传译 AI 模型与心理声学原声压低。了解它如何运行。",
        "inLanguage": "zh-CN",
        "dateModified": "2026-10-17",
        "isPartOf": {
          "@type": "WebSite",
          "name": "VoxisLive",
          "url": "https://voxislive.com/"
        }
      },
      {
        "@type": "VideoObject",
        "name": "Voxis 是什么？在 Windows 上为任何视频、游戏或会议提供实时语音翻译",
        "description": "Voxis 是什么？这是一款 Windows 应用，能为电脑发出的声音做实时同声传译：听取电脑正在播放的内容，比说话人慢几秒用您的语言重新说出来，同时显示实时字幕。支持 79 种语言，所说的语言会被自动识别。在会议模式下它是双向的——对方会通过虚拟麦克风听到您被翻译成他们语言的话，也不会有任何东西加入通话。",
        "thumbnailUrl": "https://i.ytimg.com/vi/W0A3-dsG51Q/maxresdefault.jpg",
        "uploadDate": "2026-10-03",
        "duration": "PT7M48S",
        "contentUrl": "https://www.youtube.com/watch?v=W0A3-dsG51Q",
        "embedUrl": "https://www.youtube.com/embed/W0A3-dsG51Q?cc_lang_pref=zh&cc_load_policy=1",
        "inLanguage": "en",
        "publisher": {
          "@id": "https://voxislive.com/#org",
          "@type": "Organization",
          "name": "VoxisLive",
          "url": "https://voxislive.com/"
        },
        "hasPart": [
          {
            "@type": "Clip",
            "name": "问题所在：一切都是您听不懂的语言",
            "startOffset": 0,
            "endOffset": 23,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=0s"
          },
          {
            "@type": "Clip",
            "name": "Voxis 是什么",
            "startOffset": 23,
            "endOffset": 48,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=23s"
          },
          {
            "@type": "Clip",
            "name": "工作原理",
            "startOffset": 48,
            "endOffset": 95,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=48s"
          },
          {
            "@type": "Clip",
            "name": "视频与游戏模式",
            "startOffset": 95,
            "endOffset": 146,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=95s"
          },
          {
            "@type": "Clip",
            "name": "会议模式：对方听到的是他们的语言",
            "startOffset": 146,
            "endOffset": 221,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=146s"
          },
          {
            "@type": "Clip",
            "name": "按您的方式设置",
            "startOffset": 221,
            "endOffset": 288,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=221s"
          },
          {
            "@type": "Clip",
            "name": "会话结束之后：历史、转写记录、摘要",
            "startOffset": 288,
            "endOffset": 326,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=288s"
          },
          {
            "@type": "Clip",
            "name": "1.0.93 新增内容",
            "startOffset": 326,
            "endOffset": 361,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=326s"
          },
          {
            "@type": "Clip",
            "name": "方案与免费方案",
            "startOffset": 361,
            "endOffset": 411,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=361s"
          },
          {
            "@type": "Clip",
            "name": "Voxis 的不同之处",
            "startOffset": 411,
            "endOffset": 441,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=411s"
          },
          {
            "@type": "Clip",
            "name": "获取 Voxis",
            "startOffset": 441,
            "endOffset": 468,
            "url": "https://www.youtube.com/watch?v=W0A3-dsG51Q&t=441s"
          }
        ]
      },
      {
        "@type": "FAQPage",
        "mainEntity": [
          {
            "@type": "Question",
            "name": "我需要 VB-CABLE 或虚拟音频驱动吗？",
            "acceptedAnswer": {
              "@type": "Answer",
              "text": "不需要——捕获电脑音频不需要。VoxisLive 使用 WASAPI 环回，这是 Windows 10 和 11 都提供的原生 API，因此无需安装或路由任何东西，音频设置里也不会出现新设备。双向会议模式是例外：在 Windows 上，它会通过 VB-CABLE 这类虚拟音频线发送您的译文语音，没有虚拟音频线就无法启动；在 Linux 上，应用会自行创建虚拟麦克风。"
            }
          },
          {
            "@type": "Question",
            "name": "VoxisLive 会以机器人的身份加入我的会议吗？",
            "acceptedAnswer": {
              "@type": "Answer",
              "text": "绝不会。它只在本地捕获您自己的系统音频，因此 Zoom、Teams 或 Meet 中不会多出第三位参会者，不会弹出权限提示，也无需任何平台集成。"
            }
          },
          {
            "@type": "Question",
            "name": "大概会有多少延迟？",
            "acceptedAnswer": {
              "@type": "Answer",
              "text": "经过语音检测和 AI 处理后，比原声慢几秒。"
            }
          },
          {
            "@type": "Question",
            "name": "翻译质量与话语长度有关吗？",
            "acceptedAnswer": {
              "@type": "Answer",
              "text": "是的——话语越长，翻译效果越好。很短的片段会被合并或推迟处理，以免出现质量差的单词翻译。"
            }
          },
          {
            "@type": "Question",
            "name": "我能选择由哪个 AI 模型翻译我的语音吗？",
            "acceptedAnswer": {
              "@type": "Answer",
              "text": "无需也无法手动选择。VoxisLive 会根据您选的语言，自动把每个会话路由到表现更佳的引擎，若某个引擎在会话中途不可用，会自动切换到备用引擎。界面不会显示某个会话由哪个引擎处理。"
            }
          },
          {
            "@type": "Question",
            "name": "在多语言会议中也能用吗，无论对方说哪种语言？",
            "acceptedAnswer": {
              "@type": "Answer",
              "text": "可以。会议模式中的两个选择器选的都是目标语言，而不是源语言：一个决定您听到的语言，另一个决定对方听到的语言。所说的语言会被逐句自动识别，双向皆然——您无需选择。所以无论您切换到哪种语言，对方听到的都是您所选的语言；即使对方使用多种语言，或同一通通话里有三种语言，您听到的始终是您选定的那一种。"
            }
          }
        ]
      }
    ]
  }
]
```