--- title: "Windows 语音到语音翻译——用听，不用读" description: "了解什么是语音到语音翻译、为什么听胜于读，以及 VoxisLive 如何在 Windows 上对任何播放的音频实时运行同声传译模型。" url: https://voxislive.com/zh/speech-to-speech-translation language: "zh-CN" source_html: https://voxislive.com/zh/speech-to-speech-translation 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/) · / · 语音到语音翻译 语音到语音 # 听译文，不用读。 VoxisLive 是一款适用于 Windows 和 Linux 的语音到语音翻译应用：它会收听您的电脑播放的语音——视频、游戏、会议——并实时用自然的声音把译文说出来。 ## 什么是语音到语音翻译？ 语音到语音翻译——有时也称为语音翻译或 **S2ST**——输入一种语言的音频，返回另一种语言的音频。输入是声音，输出也是声音。这正是它与大多数人熟悉的翻译方式的关键区别：后者要输入文字、阅读结果，或者在视频里扫一眼底部的字幕。 一条完整的 S2ST 流程要做三件事：识别说出的词语，翻译其含义，再合成一个新的声音把它们说出来。VoxisLive 连续运行这条链路，所以译文会在原说话人之后几秒落入您的耳中——足够紧凑，让您跟上正在发生的对话、讲座或场景。您的目光可以继续停留在游戏画面、幻灯片或说话的人身上。 ## 为什么听胜于读 字幕是有效的，但它有代价：把视线拉到屏幕底部、解析文字、再收回来——每分钟要重复很多次。在节奏很快的画面里，您会错过视觉内容；在游戏里，您会错过关键时刻；在会议里，您会不再看着说话的人。阅读是叠加在观看之上的第二项任务。 语音翻译去掉了这项任务。您听得懂的语言直接从扬声器传来，而您看到的一切仍然留在眼前——这也正是现场活动让口译员把译文送进听众耳机、而不是在墙上滚动显示文字稿的原因。如果您需要，字幕依然存在：任何会话结束后都可以导出 TXT、SRT 或 VTT 转写记录。它们是一份记录，而不是您在当下依靠的东西。 ## 原生同声传译 VoxisLive 通过 Windows WASAPI 进程环回捕获系统音频——无需虚拟音频线，无需额外驱动，通话中也没有机器人——并排除自身的输出，因此不会翻译它刚刚生成的声音。在 Linux 上，它同样无需驱动：VoxisLive 会按需创建自己的 PipeWire 虚拟输出，并把您要翻译的应用路由到其中。可通过 Snap Store 安装：`sudo snap install voxis`——Snap Store 提供当前已发布的版本。 捕获到的语音会交给**原生同声传译模型**：它不会等一句话说完，而是在说话人仍在讲话时就开始翻译，只比说话人慢几秒——这正是人类口译员在会议同传间里的工作方式。这种短暂而稳定的延迟，让输出听起来像是实时的，而不是走走停停。 ## 两种模式 在**视频与游戏模式**下，翻译是单向的：对方的声音会变成您的语言，原声会被压低，让语音译文清晰地浮在上面。在**会议模式**下则是双向的：对方被翻译成您的语言，您自己的讲话被翻译成对方的语言并送入虚拟麦克风——参会者名单中不会出现机器人。 VoxisLive 可在 Windows 10、Windows 11 和 Linux 上运行，能以语音播放 79 种目标语言。可从 [Microsoft Store](https://apps.microsoft.com/store/detail/9P5Z0KVS58RS?cid=DevShareMCLPCB) 获取，或在应用内使用付费的 BYOK（使用自己的 API 密钥）解锁，配合您自己的 Gemini 或 Qwen 密钥——工作方式请参见 [GitHub](https://github.com/VoxisLive/voxislive)。 从底层来看，这就是系统音频捕获：VoxisLive 会翻译您的电脑在任何应用中播放的任何内容——请参阅[在 Windows 上翻译系统音频](https://voxislive.com/zh/translate-system-audio-windows)。 常见问题 ## 常见问题 ### 什么是语音到语音翻译应用？ 语音到语音翻译应用会收听一种语言的语音，并生成另一种语言的语音。它不是给您一段文字去读，而是用自然的声音把译文说出来。 ### 语音翻译与字幕有什么不同？ 字幕给您一段文字，您要一边看画面一边阅读，注意力被分散。语音翻译则直接把意思送到您的耳朵里，您的目光可以一直停留在视频、游戏或说话人身上。 ### 说话人讲话的同时，VoxisLive 就会开始翻译吗？ 会。它使用原生同声传译模型，在说话人还在讲话时就开始翻译，只比说话人慢几秒，而不是等整句话说完。 ### 它能以语音播放多少种语言？ 79 种目标语言。您在应用中选择语言，译文就会以该语言说出来。 ### VoxisLive 会增加多少延迟？ 几秒。语音翻译不可能是即时的——模型需要听到一句话的足够内容才能正确翻译——但 VoxisLive 的原生同声传译模型会在原句结束之前很早就开始说话，而不是等到完整停顿之后。 ## 延伸阅读 [语音翻译 vs 字幕 · 理解外语音频有两种方式：以文字阅读译文，或以语音听取译文……](https://voxislive.com/zh/voice-translation-vs-subtitles) · [实时 AI 配音 · 实时 AI 配音会在音频播放的那一刻翻译并重新说出来，而不是事后处理。](https://voxislive.com/zh/live-dubbing) · [支持的语言 · VoxisLive 实时翻译 79 种语言。付费方案以语音播放全部 79 种；免费方案以语音播放 35 种，并显示实时……](https://voxislive.com/zh/languages) 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": "语音到语音翻译", "item": "https://voxislive.com/zh/speech-to-speech-translation" } ] }, { "@type": "WebPage", "name": "Windows 语音到语音翻译——用听，不用读", "url": "https://voxislive.com/zh/speech-to-speech-translation", "description": "了解什么是语音到语音翻译、为什么听胜于读，以及 VoxisLive 如何在 Windows 上对任何播放的音频实时运行同声传译模型。", "inLanguage": "zh-CN", "dateModified": "2026-10-21", "isPartOf": { "@type": "WebSite", "name": "VoxisLive", "url": "https://voxislive.com/" } }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "什么是语音到语音翻译应用？", "acceptedAnswer": { "@type": "Answer", "text": "语音到语音翻译应用会收听一种语言的语音，并生成另一种语言的语音。它不是给您一段文字去读，而是用自然的声音把译文说出来。" } }, { "@type": "Question", "name": "语音翻译与字幕有什么不同？", "acceptedAnswer": { "@type": "Answer", "text": "字幕给您一段文字，您要一边看画面一边阅读，注意力被分散。语音翻译则直接把意思送到您的耳朵里，您的目光可以一直停留在视频、游戏或说话人身上。" } }, { "@type": "Question", "name": "说话人讲话的同时，VoxisLive 就会开始翻译吗？", "acceptedAnswer": { "@type": "Answer", "text": "会。它使用原生同声传译模型，在说话人还在讲话时就开始翻译，只比说话人慢几秒，而不是等整句话说完。" } }, { "@type": "Question", "name": "它能以语音播放多少种语言？", "acceptedAnswer": { "@type": "Answer", "text": "79 种目标语言。您在应用中选择语言，译文就会以该语言说出来。" } }, { "@type": "Question", "name": "VoxisLive 会增加多少延迟？", "acceptedAnswer": { "@type": "Answer", "text": "几秒。语音翻译不可能是即时的——模型需要听到一句话的足够内容才能正确翻译——但 VoxisLive 的原生同声传译模型会在原句结束之前很早就开始说话，而不是等到完整停顿之后。" } } ] } ] } ] ```