Friskription → 博客 → 直播翻译
直播翻译：所有方法对比
看一场你听不懂的直播，办法有四种。其中三种都要求直播方先给你点什么。下面讲每种办法做什么、在哪里到头，以及怎样用十秒钟看出自己被困在哪一种上。
简短的回答
- 如果直播有字幕，用字幕翻译器或平台自带的自动翻译最省事——但它的上限就是它所读的那份字幕。
- 如果没有字幕——几乎所有 Twitch 频道和大多数直播都没有——那就什么也翻译不了，因为根本没有可翻译的东西。必须先把音频转成文字。
- Chrome 的 Live Caption 在你自己的机器上免费转写音频，但支持的源语言有限，而且只写进一个固定的小框里。
- 转写式浮层——Friskription 就是一个——监听标签页的声音，把语音转成文字再翻译，因此完全不需要直播方提供任何东西。每周三十分钟免费。
- 无论选哪种，都要预料字幕会比话音晚一到三秒。一句话得先被听见，实时翻译才能开始。
为什么直播比录播更难
录好的视频可以提前处理。有东西能把整个文件读一遍，算出句子在哪里结束，在任何人按下播放之前就把正确的字幕准备好。直播没有这些条件：你正在翻译的那句话还没说完，下一句已经开始了。
由此产生了一个在本页每种工具里都会碰到的取舍。等久一点再显示，读起来更顺但来得更晚；早一点显示，赶上了时间却是些当着你面被改写的碎片。没有哪个设置能逃开它，只有坐在这条曲线的不同位置。
第二个问题是，大多数直播根本没有任何文字。录播的 YouTube 视频通常有自动字幕，Twitch 频道几乎从来没有，因为那里的字幕只有在主播自己跑字幕软件时才存在，而大多数人不跑。仅这一条，就决定了下面四种方法里哪些对你是可用的。
四种方法
1. 字幕翻译器
这些是浏览器扩展和内置功能，拿现成的字幕轨去翻译。最广为人知的例子是 YouTube 自己的自动翻译：在字幕菜单里选一种语言，字幕就以那种语言出现。
它需要什么：一条字幕轨。整个故事就这么多。如果字幕菜单是空的，字幕翻译器就无米下锅，什么也不会显示——通常连报错都没有，只是一片安静。
它在哪里到头：质量是继承来的。自动字幕要是把一个名字听错了，翻译会忠实地把这个错误译出来。而且自动字幕能覆盖的语言比大多数人以为的少得多，所以 YouTube 不为其生成自动字幕的语言，哪怕在 YouTube 上也没有可翻译的轨道。
2. 主播提供的字幕
有些主播在自己那一端跑字幕——硬件字幕机、接进导播软件的语音转文字服务，大型活动上还有真人速记员。有这个的时候，通常是你能拿到的最准确的文字，因为它是由懂那套词汇的人配好的。
它需要什么：主播做过这件事，而且一直在做。你这边打不开它。
它在哪里到头：几乎总是只有所说语言的那一种。带日语字幕的日语直播，比没有字幕的好懂得多，但你不认日文照样看不懂——不过它确实给字幕翻译器提供了可用的素材。
3. Chrome 的 Live Caption
内置于 Chrome，免费，而且不需要直播方提供任何东西：它监听你机器上正在播放的声音并在本地转写。一切都留在设备上，这是本页最好的隐私故事，没有之一。
它需要什么：在 Chrome 的无障碍设置里把这个功能打开，以及一个它支持的源语言。
它在哪里到头：支持的源语言范围有限，字幕出现在一个固定的小面板里而不是视频上，翻译用的是通用机器翻译，而不是会读上下文的东西。它是一个恰好在这里派上用场的无障碍功能，不是翻译工具。这个差距我们在另一篇对比里量过。
4. 转写式浮层
思路和 Live Caption 一样——听标签页的声音，而不是去找文字——但走得更远：用生产级语音识别模型把语音转成文字，用会把每一行对照前面几行来读的语言模型去翻译，再把结果画在视频上，成为你可以移动、可以改样式的字幕。Friskription 做的就是这件事。
它需要什么：一个正在发声的标签页。不需要主播做什么，不需要平台做什么，也不需要字幕轨。
它在哪里到头：它跑在 Chrome 里，转写发生在服务器上而不是你的机器上，超出每周免费额度之后按分钟计费。它也管不了自己听不见的声音——你在电视上看的直播够不着。
该用哪一种
| 你在看什么 | 该用 | 为什么 |
|---|---|---|
| 字幕菜单里有字幕的 YouTube 视频 | YouTube 自动翻译 | 免费、即时、本来就在那儿。先试它。 |
| 一场 Twitch 直播 | 转写式浮层 | 没有字幕轨可翻译，所以别的都谈不上。 |
| YouTube 的直播或首播 | 转写式浮层 | 实时字幕时有时无，很多时候干脆没有。 |
| 英语直播，你只需要个大概 | Chrome Live Caption | 免费、设备本地，而且英语是它最强的语言。 |
| 已经存在你硬盘上的文件 | 正经给它做字幕 | 都不是直播了，可以慢慢来，还能留下一份 SRT。 |
快速判断的办法：打开直播，看一眼字幕菜单。里面有东西，就从字幕翻译器开始；空的——在 Twitch 上它就是空的——那么唯一存在的文字就是音频本身，只有会转写的东西帮得上忙。
无论用哪种，都会遇到的事
一到三秒的延迟
躲不掉：一句话得先被说出来，才能被听见；被听见，才能被转写；被转写，才能被翻译。工具之间的差别只在于怎么花这笔预算。Friskription 提供三档预设——快速、均衡、精确——在每行的完整度和到达的快慢之间取舍；还有一个同步模式，把播放往后压几秒，让字幕和话音一起到，而不是跟在后面。
名字会是薄弱环节
所有语音识别在专有名词上表现最差，因为名字恰恰是它上下文最少的那个词。主播 ID、角色名、圈内梗和游戏术语，就是你会注意到的地方。用一份术语表在这次会话里把写法钉死，是唯一真正的解法，对于常看的频道，值得配置一次。
噪声会吃掉准确度
公布的基准都是在干净录音上测的。直播里有游戏声、音乐、互相压着说话的人，还有一支放在卧室里的麦克风。每个引擎在这里的成绩都比自己的基准差。在拿两个各自在别处测出来的数字作比较之前，这一点值得知道。
把转写这条路搭起来
如果字幕菜单是空的，你走的就是这条路。大约花一分钟。
-
装上扩展并登录
从 Chrome 应用商店把 Friskription 添加到浏览器，用 Google 账号登录。账号的作用是计量分钟数；开通时就有每周三十分钟的免费额度，每周一补满，不需要信用卡，也不需要任何 AI 服务商账号。
-
选择要翻译成哪种语言
共有十五种：英语、日语、中文、韩语、西班牙语、法语、德语、葡萄牙语、俄语、阿拉伯语、印地语、意大利语、越南语、泰语、印尼语。所说语言会自动识别，所以通常没有别的要设置。
-
打开直播，按下开始
几秒钟内字幕就会出现在视频上。把浮层拖到不挡画面的地方，调整大小，把字号定一次——每个网站的选择都会被记住。
要花多少钱
第一到第三种方法都免费。第四种按量计费，是因为转写和翻译跑在别人的服务器上，每分钟语音都要花真金白银。
- 每周三十分钟免费，无论你有没有付过费，每周一都会补满。没有任何形式的订阅。
- 一次性 $1.99 的入门包增加 90 分钟，并永久解锁该账号的高级功能，包括同步预设。
- 常规包从 $2.99 到 $24.99，最多 1,440 分钟。包越大每分钟越便宜，买到的分钟数永不过期。
- 或者接上你自己的 OpenAI、Anthropic 或 ElevenLabs API 密钥，只付给你的服务商——这种模式下音频从你的浏览器直接送到他们那里，永远不会到达我们的服务器。
只有说话才计费，所以回合之间的静默、等待画面，以及主播离开时的音乐，都不会从余额里扣。
问题
没有字幕的直播能翻译吗？
能，但只能靠转写音频的工具，而不是翻译文字的工具。在没有字幕轨的直播上，字幕翻译器无字可读，什么也不会显示。Chrome 的 Live Caption 和转写式浮层都从音频本身下手，所以都不需要直播方提供任何东西。
翻译 Twitch 直播最好的办法是什么？
转写式浮层，因为 Twitch 频道几乎从不带有可供翻译的字幕轨。Twitch 上的字幕只有在主播自己机器上跑字幕软件时才存在，而且平台压根没有观众侧的翻译功能。
延迟大概有多少？
正常使用下是一到三秒。一句话必须先被说出、听见、转写、翻译，然后才能显示。缩短等待的设置会产出更零碎、更常被改写的句子；拉长等待的设置会产出更完整但来得更晚的句子。
这里面有免费的吗？
字幕翻译器、平台自动翻译和 Chrome Live Caption 都免费。Friskription 每周免费提供三十分钟的实时翻译字幕，每周一补满，不要信用卡也不要 AI 账号；超出之后是 $1.99 起的一次性分钟包，从来不是订阅。
任何语言的直播都能用吗？
所说语言会自动识别，翻译目标可以是十五种中的任意一种：英语、日语、中文、韩语、西班牙语、法语、德语、葡萄牙语、俄语、阿拉伯语、印地语、意大利语、越南语、泰语、印尼语。
我的音频会被录下或保存吗？
不会。音频只在翻译运行时被处理，从不保存。如果你接了自己的 API 密钥，它会从你的浏览器直接送到那个服务商，完全不碰 Friskription 的服务器。
能在手机或电视上用吗？
用浏览器扩展不行，它需要桌面版 Chrome 和一个它听得见的标签页。如果声音是从电视或主机里出来的，任何浏览器工具都够不着。硬盘里的文件是另一回事——那个可以在浏览器里加字幕并把字幕留下来。