双向AI实时翻译：双方都以母语沟通，共享一块屏幕

太长不看： StreamVox 翻译的是对话的双方，而不只是单方 - 这样就不会出现一个人读着流畅字幕、另一个人却在蹩脚文字里艰难摸索的情况。它有两种工作方式：像 Zoom、Teams 这样的通话，在每台设备上各运行一份（参与人数不限，每人用自己的语言对）；面对面交谈，以及任何两种语言混在一起的对话，则用对话模式，一台设备就能搞定。设好语言，打开悬浮窗，双方就能实时读到各自母语的字幕。

大多数翻译工具只解决了一半的问题。你设置输入语言和输出语言，应用翻译你所说的话 - 而对方仍然要和蹩脚的英语苦苦搏斗。与此同时，对方还要尝试用一种几乎不会说的语言回复，两个方向上一半的意思都在途中丢失了。

双向翻译解决了这个问题。双方都保持在自己的母语中。StreamVox从第一天起就支持这一功能 - 这不是新功能，但恰恰是新用户初次打开应用时最容易忽略的那个。所以来聊聊它到底是怎么工作的。

双向翻译意味着什么

传统的翻译工具都是单向的。输入：日语。输出：英语。看一段动漫片段很棒，但用在真实对话里就完全没用。

双向意味着两个方向的同时翻译：

甲用日语说话 - 乙在自己的屏幕上读到中文字幕。
乙用中文说话 - 甲在自己的屏幕上读到日语字幕。

没有人切换语言。没有人等待。没有人说「不好意思，你能慢一点再说一遍吗？」这是最接近实时口译员的体验 - 只不过这位口译员同时活在两台笔记本上，而且不需要喝咖啡休息。

如何设置

在 Windows 和 Mac 上，StreamVox 作为一个透明的悬浮覆盖层，运行在任何应用之上；在 iPhone 上，同样的字幕会以画中画窗口的形式浮在你正在使用的任何应用之上。无需浏览器扩展，无需虚拟摄像头，也无需通过可疑驱动重新路由音频。以下是典型国际通话的流程：

1. 选择语言。 打开StreamVox，设置你的输入语言（你会从对方听到的语言）和输出语言（你想读到的语言）。对方在自己电脑上做同样的事，镜像设置：他的输入就是你的输出，反之亦然。

2. 选择音频源。 在 Windows 和 Mac 上，你可以捕获系统输出的所有声音，或者使用Per-App Audio Capture隔离单个应用 - 对于Zoom通话，把捕获指向Zoom就行，覆盖层会忽略Spotify、通知和其他所有背景声音。在 iPhone 上，可选的来源是你的麦克风或手机正在播放的声音；那里没有按应用捕获。

3. 启动覆盖层。 屏幕顶部会出现一个紧凑的字幕窗口。它会固定在任何应用之上 - Zoom、Teams、游戏、浏览器 - 而不会阻塞你的工作流程。

这就是全部设置。双方现在都能实时读到自己语言的字幕 - 字幕会随着话音同步出现，不用等一整段话说完。

而且不止于两个人。在群组通话里，每位参与者都在自己的设备上运行一份，用自己的语言对 - 第三个人可以把输出设成西班牙语加入进来，用西班牙语读同一场会议，而你读的是德语，你的同事读的是英语。三台、五台、十台设备 - 没有上限，因为每一份副本做的事很简单：把它听到的内容翻译成机主自己的语言。

一台电脑，两种语言：对话模式

以上内容假设的都是两台设备的场景 - 通话两端各一台，输入和输出互相镜像。这对 Zoom、Teams 或 Phone Link 通话来说是对的设置，因为对方本来就在另一台设备上。可如果你是和对方面对面坐在同一张桌子旁，就没有第二台笔记本电脑可以镜像了。

截至 2026 年 7 月，StreamVox 做到了上面两台设备的流程做不到的事：对话模式让单台设备就能变成实时双向口译员，不需要装第二份，也不需要镜像设置。从 10 种支持语言中任选两种 - 英语、西班牙语、法语、德语、意大利语、葡萄牙语、俄语、日语、荷兰语、印地语 - StreamVox 会自动识别每一句话是哪种语言，并把它翻译成语言对中的另一种语言，两个方向的译文汇在同一条字幕流里。每位说话人有自己的专属颜色，每段译文都标注着翻译方向（English → Español、Español → English），谁说了什么一目了然，不会看丢。

它最出彩的场景，是一块共享的屏幕。客户会面、面试、前台接待、不是每个人都说同一种语言的家庭聚餐 - 把一台笔记本电脑放在你们中间，每个人说自己的语言，用自己的语言读对方的回复。一台机器，就是桌子两边共同的口译员。

而由于对话模式可以监听麦克风、设备正在播放的声音，或者——在 Windows 和 Mac 上——某个指定的应用，它还有第二重用途：跟上别人的双语对话。主持人和嘉宾说着不同语言的直播或播客、提问和回答语言对不上的新闻发布会、队友同时用两种语言交流的游戏语音 - 你一边玩或一边看，双方的内容都会持续翻译、带着方向标注显示在屏幕上。（如果队友也需要听懂你说的话，那就是上面每台设备各装一份的方案 - 每人运行自己的一份。）同一套引擎也支撑着Zoom 与 Teams 实时翻译指南里的场景：通话另一方也需要读懂你的语言，而不只是你去读懂对方的。

在 Windows 和 Mac 上，它还有第二种用法。同时打开麦克风和电脑声音，对话模式就会改变工作方式：它不再需要猜测双方各说的是哪种语言，而是把两路声音当成两个独立的声道来处理 - 麦克风识别一种语言，电脑声音识别另一种，两条声道天然分开，不再需要靠检测来区分。这样一来，10 种语言的上限被彻底打破，Quality 模式和医疗模式也首次出现在对话模式里，每个声道还拥有各自独立调校的识别设置。

这套双来源方案是桌面端专属的。iOS 一次只给应用一路麦克风音频流，因此 iPhone 上的对话模式始终只用单一来源：10 种精选语言，没有 Quality 模式和医疗模式。

实际可用场景

StreamVox 不在乎是哪个应用在发出声音。只要你的电脑能播放，StreamVox 就能翻译：

Zoom、Teams、Google Meet、Discord - 国际会议、远程办公、跨境客户通话。
Phone Link（Windows）与连续互通（Mac） - 通过 Phone Link，可以直接在 PC 上翻译来自 iPhone 或 Android 的手机通话；在 Mac 上接听的 iPhone 通话（连续互通）也是同样的翻译方式。父母说意大利语，伴侣说英语，大家都留在同一通话里。
YouTube、Twitch及其他流媒体平台 - 外语内容配上实时字幕，包括没有官方字幕的直播。
游戏 - 在日本队友的语音里被一刀送走之前，先搞懂他在喊什么。而当整个语音大厅分成两种语言时，对话模式能同时跟上两边。
其他一切 - 只要在你机器上发出声音，都算。

支持语言

StreamVox 目前支持50+ 种语言，覆盖所有主要的欧洲、亚洲、中东和斯拉夫语言对。应用界面本身也已本地化为12 种语言，你可以用自己真正用来思考的语言来配置它。

如果你想深入了解翻译如何适应不同语境 - 游戏俚语、商务正式、电影台词 - 配置文件系统在翻译模式指南中有详细介绍。

隐私

音频仅用于实时生成字幕——由依据数据处理协议、负责语音识别与翻译的可信赖第三方AI处理商进行处理 - 无论是StreamVox还是这些服务商，都不会录制或存储这些音频。除非你自己导出，否则没有转录记录会离开你的机器。这比听起来更重要 - 不少「AI翻译器」会悄悄把你的音频或转录内容留在你完全看不到的服务器上。如果你正在讨论合同、健康、法律问题，或者仅仅是一次私下的家庭对话，你大概都不希望被这样处理。

如何开始

StreamVox 在 Microsoft Store 为 Windows 10 和 Windows 11 提供免费下载，也在 App Store 为 Mac（macOS 14.2 及以上版本）和 iPhone（iOS 17 及以上版本）提供免费下载。一个应用，四种套餐 - 选一个适合你实际通话量的：

Free Starter - 每24小时15分钟，访问所有支持的语言，系统音频和麦克风捕获。
StreamVox Pro - 每月40小时翻译，所有当前和未来功能，优先邮件支持。
StreamVox Pro+ - 每月70小时，适合生活在会议、长直播或电影马拉松中的人。
StreamVox Unlimited - 无月度上限，想翻译多久翻译多久。

每个付费套餐功能相同 - 区别只是翻译时长。在 Microsoft Store 搜索「StreamVox」，或者直接从 streamvox.pro 下载。

常见问题

什么是双向翻译？

它是同时支持两个方向的翻译，而不只是单向。每个人都用自己的语言说话、读字幕，而不是一方读着流畅的字幕，另一方却要在蹩脚文字里挣扎。

双方都需要安装 StreamVox 吗？

这取决于场景。打电话的话，需要 - 每台设备上各运行一份，各自设置成机主自己的语言对，参与人数不限。面对面交流的话，不需要 - 对话模式在单台设备上运行，就能实时口译双方的内容。

它能在哪些应用里使用？

在 Windows 和 Mac 上，任何会播放音频的应用都可以：Zoom、Teams、Google Meet、Discord、Phone Link 与连续互通通话、YouTube、Twitch，还有游戏，既可以捕获整个系统的音频，也可以一次只捕获一个应用。在 iPhone 上，它能为视频、直播和播客加字幕 - iOS 不会把通话和受 DRM 保护的内容交给任何应用。

它支持多少种语言？

标准双向翻译支持 50+ 种语言，通话双方各自运行一份。对话模式在单台设备上运行 - 只监听单一音频来源时，可用的是 10 种精选语言，iPhone 上始终如此。在 Windows 和 Mac 上，你可以把麦克风和电脑声音同时打开，从而解锁完整的 50+ 语言库，外加 Quality 模式和医疗模式。

它保护隐私吗？

是的。音频仅用于实时生成字幕，处理后不会被录制或存储，无论是 StreamVox 本身还是它使用的 AI 处理商都不会保留。字幕出现之后，对话内容不会留下任何痕迹。

双向翻译在你真正使用之前听起来像是件大事 - 用过之后却觉得它本该如此。这类工具从一开始就该这样工作才对。如果你因为语言障碍而一直在回避国际通话，试一次看看。最坏的情况是用掉15分钟免费额度，什么都没变。最好的情况是，你再也不用在开口之前先翻译自己的大脑了。

AlekGir