Friskription → 博客 → Live Caption
Chrome Live Caption 与翻译字幕
Live Caption 是一项确实出色的无障碍功能，而很多人把它当翻译工具用。值得弄清楚它究竟在哪里不再管用，因为那条界线比看上去更锋利。
简短的回答
- 用 Live Caption：当音频是它支持的语言、你只想知道个大概、并且宁可什么都不离开你的机器时。它免费、在设备上运行，而且早就装好了。
- 用翻译浮层：当所说的语言不在 Live Caption 的范围内、当名字和术语必须保持一致、或者当你希望字幕出现在视频上而不是一个浮动小框里时。
- 决定性的差别是上下文：Live Caption 用的是通用机器翻译，一行一行地译。建立在语言模型之上的浮层会把每一行与它之前的几行放在一起读。
- 另一个决定性差别是隐私，而这一项方向相反：Live Caption 全部在本地处理，什么都不往外发。
- 两者并不互斥。Live Caption 免费，先试一下不花任何代价。
Live Caption 究竟是什么
Live Caption 是一项无障碍功能。Chrome 会把一个语音识别模型下载到你的机器上，此后浏览器里播放的任何音频都会被转写进一个浮动的小字幕框。它离线可用，对任何发声的内容都有效，而且没有任何东西被发往服务器。对于聋人或听力障碍者，在他们读得懂的语言的内容上，它既出色又免费。
翻译是后来才有的，是挂在一项字幕功能上的更小的功能。下面几乎所有内容都源于这一点：人们真正碰壁的那些地方，都是为无障碍而设计、而非为阅读外语直播而设计的部分。
两者的差别在哪里
| Chrome Live Caption | 翻译浮层 | |
|---|---|---|
| 在哪里运行 | 在你的机器上，离线 | 转写与翻译在服务器上，或使用你自己的 API 密钥 |
| 源语言 | 有限的一组 | 自动识别，覆盖范围广得多 |
| 翻译 | 通用机器翻译 | 一个把每行放在上下文里读的语言模型 |
| 文字出现的位置 | 一个固定的浮动框 | 视频上的浮层——可拖动、可缩放、可改样式 |
| 名字保持一致 | 没有相应机制 | 术语表在整场会话中锁定拼写 |
| 同时显示原文 | 没有 | 可选：每条字幕下方再加一行 |
| 说话人标签 | 没有 | 最多五个声音 |
| 保留文字 | 不能导出 | 可导出文字记录；从你自己的文件生成 SRT 和 VTT |
| 费用 | 免费，无限制 | 每周 30 分钟免费，之后是 1.99 美元起的一次性包 |
为什么上下文才是关键的那一项
逐行的机器翻译把每条字幕当作独立的字符串。对于书面段落这没问题，因为句子是完整到达的。现场口语并不是完整到达的：一句话被切成两条字幕，第二条里的代词指向第一条里的名词，而在会省略主语的语言里——日语和韩语一直如此——最关键的信息就留在一条早已滚走的字幕里。
一个会把每行与前几行放在一起读的翻译能够解决这件事。它同时也不会让同一个名字在五分钟里被音译成三种写法——在一场满是专有名词的直播上，那正是逐行翻译最让人疲惫的失败方式。
这里还有一个可以量化的输入。转写决定了之后一切的上限：没有哪个翻译能救回一个被听错的词。Friskription 使用 ElevenLabs Scribe v2 转写，它在英语基准上公布的词错误率为 3.3%，相比之下 Deepgram Nova-3 为 5.3%，Whisper large-v3 为 7.7%。每个引擎在嘈杂的直播上都会比基准片段表现更差，但这个排序是会延续下来的。
Live Caption 完胜的地方
隐私，毫无保留。Live Caption 在你的机器上运行。没有音频离开它，没有服务器参与，完全没有网络也能工作。如果你要为机密内容加字幕，那不是一项可以轻易交换出去的特性，而且它确实是更好的选择。
另一边最接近的做法，是接入你自己的 OpenAI、Anthropic 或 ElevenLabs API 密钥：此时音频会从你的浏览器直接发往你本来就有合约的服务商，不会到达 Friskription 的服务器。这与“在设备上”是一种有实质差别的保证，值得说清楚而不是含糊带过。
Live Caption 还免费且不计量。每周 30 分钟是实打实的额度，但它不是无限的。若是要在 Live Caption 支持的语言里随意听上好几个小时，它才是合理的工具。
该选哪一个
选 Live Caption，当……
- 音频是它支持的语言，而你主要只想知道大意。
- 任何东西都不得离开这台机器。
- 你要的是无障碍意义上的字幕，而不是翻译。
- 你要连续听上好几个小时，不想去想分钟数。
选翻译浮层，当……
- 所说的语言不在 Live Caption 的范围内——大多数日语 VTuber 直播和大多数韩语直播都属于这一类。
- 名字、角色和反复出现的术语必须保持同样的写法。
- 你希望字幕出现在视频上、你目光本来就在的地方，而不是角落里的一个框。
- 你希望下面还有原文，用于学习或核对。
- 有好几个人在说话，你需要知道谁是谁。
- 你希望事后把文字留下来。
常见问题
Chrome Live Caption 足以用来翻译直播吗？
如果只是想弄懂一场它支持语言的直播的大意，往往足够。它吃力的地方恰恰是实时翻译最难的地方：超出它范围的源语言、被切开在两条字幕里的句子、被省略的主语，以及需要保持一致的专有名词。它是一项附加了翻译的无障碍功能，而不是一个翻译工具。
Live Caption 在日语或韩语直播上能用吗？
只有当所说的语言属于 Chrome 支持转写的那一组时才行，而那一组比大多数人以为的更有限——这通常正是人们为 VTuber 直播和韩语直播另寻工具的原因。它是免费的，所以在你真正在意的那场直播上试一下不花代价。
Live Caption 是免费的吗？
是，完全免费，没有限额也不需要账号。它是 Chrome 的一部分，在你的机器上运行。
哪个更注重隐私？
显然是 Live Caption——它全部在设备上处理，什么都不往外发。另一边最接近的做法是接入你自己的 API 密钥，那会把音频留在你的浏览器和你本来就有合约的服务商之间，但这与“从不离开机器”并不是一回事。
我可以两个都用吗？
可以。先试 Live Caption，因为它免费且即时；当语言不在覆盖范围内、当名字总在变、或者当你希望字幕落在视频上而不是角落的框里时，再去用翻译浮层。
为什么 Live Caption 把文字放在一个单独的框里？
因为它被设计成一项系统级的无障碍功能，要给浏览器里所有的音频加字幕，包括那些根本没有视频的音频。把字幕画在视频上，只有一个知道自己正在看视频播放器的工具才做得到。
它们两个中有哪个需要直播本身带字幕吗？
都不需要——这正是两者的共同点，也是它们在 Twitch 上都能用的原因。两者都是自己转写音频，而不是去读一条字幕轨，所以谁都不需要平台或主播提供任何东西。