实时字幕 vs 实时翻译 — 有何区别？
字幕让听障人士能够参与活动。实时翻译则将语音实时转换为另一种语言。了解您应该使用哪种方案。
“实时字幕”和”实时翻译”这两个术语经常被混为一谈。但它们并非同一回事。将两者混淆会导致期望落差——期望多语言支持的主办方只得到了单语字幕，而期望翻译音频的观众只看到了演讲者语言的滚动文本。
本文将澄清两者之间的区别，说明各自适用的场景，并介绍它们如何协同工作。
实时字幕：演讲者的话语，以文字呈现
实时字幕（也称为实时字幕生成或 CART——通信访问实时翻译）将口头语言转换为屏幕上显示的文字，使用与演讲者相同的语言。一场英文主题演讲生成英文字幕。一场西班牙语讲座生成西班牙语字幕。
字幕服务于两类主要受众：
- 聋哑及听力障碍人士，他们无法听到演讲者的声音，依赖文字来跟进内容。
- 处于嘈杂环境中的观众——大型厅堂、户外场地或声学条件差的房间——他们难以清晰听到声音。
字幕不翻译。它们转录。输出语言与输入语言一致。
字幕的工作原理
现代字幕技术使用自动语音识别（ASR）以近乎实时的方式生成文字。演讲者的音频由语音转文字引擎处理，生成的文字在一到三秒的延迟后出现在屏幕上。
质量参差不齐。专业 CART 字幕员（人工速记员）能产生近乎完美的准确率，但每小时费用为 $150–$300。ASR 生成的字幕（人工智能）以极低的成本实现 90–97% 的准确率，但在专有名词、技术术语和重口音方面偶尔会出现错误。
实时翻译：演讲者的意思，用另一种语言表达
实时翻译将口头语言实时转换为另一种语言。一场英文主题演讲可以同时生成法语音频、西班牙语字幕和日语文本。输出不是转录；而是翻译。
实时翻译服务于截然不同的受众：
- 不会说演讲者语言的参会者，需要用自己的语言获取内容。
- 多语言场景——会议、外交简报、课堂——单一工作语言会排除部分受众。
实时翻译的工作原理
该流程分为三个阶段：
- 语音转文字（STT）： 演讲者的音频被转录为源语言的文字。
- 机器翻译（MT）： 转录的文字被翻译成目标语言。
- 文字转语音（TTS）或文字显示： 翻译后的文字被合成为音频（自然语音）或以目标语言的实时字幕形式显示。
完整音频翻译支持 51 种语言。另有 174 种语言可接收实时文本字幕——翻译后的字幕，而非转录字幕。
关键区别一览
| 维度 | 实时字幕 | 实时翻译 |
|---|---|---|
| 输出形式 | 同语言的文字 | 不同语言的音频和/或文字 |
| 主要受众 | 聋哑/听力障碍人士、嘈杂环境 | 非母语使用者、多语言受众 |
| 语言数量 | 1 种（与演讲者一致） | 超过 200 种（独立于演讲者） |
| 无障碍目的 | 听力无障碍 | 语言无障碍 |
| 交付格式 | 屏幕文字 | 音频发送至听众设备 + 可选屏幕文字 |
| 合规用途 | ADA、WCAG、Section 508（无障碍法规） | 尚非监管要求，但在国际活动中日益被期望 |
各自适用场景
使用实时字幕的情况：
- 您的受众与演讲者使用同一种语言，但包含聋哑或听力障碍人士
- 场地声学条件差，与会者难以听清
- 法规要求（ADA、WCAG）强制要求字幕
- 活动为单语性质，需要改善理解力而非翻译
使用实时翻译的情况：
- 您的受众中有人不会说演讲者的语言
- 活动具有国际性、多边性或跨文化性质
- 您希望将活动的覆盖范围扩展至非工作语言社区
- 您正在向全球在线观众进行直播
两者同时使用的情况：
- 您的多语言受众中也有聋哑及听力障碍人士
- 您希望同时在屏幕上提供翻译字幕并将翻译音频发送到个人设备
- 您正在举办高级别活动，无障碍和多语言支持都被期望
它们如何互补
实时字幕和实时翻译不是竞争关系。它们解决不同的问题，最有效的活动会同时使用两者：
- 演讲者语言的屏幕字幕服务于聋哑及听力障碍人士以及任何在房间里从跟读中受益的人。
- 发送到个人设备的翻译音频服务于需要用自己的语言获取内容的非母语使用者。
- 副屏幕上的翻译字幕服务于倾向于用自己语言阅读而非收听合成音频的代表。
Loquira 同时提供两者：演讲者语言的实时字幕，加上 51 种语言的完整音频和 174 种语言的翻译字幕。两个系统从同一音频源并行运行，无需额外设置。
一个常见的误解
“带自动翻译的实时字幕”——某些视频会议工具中的功能——并非本文所述意义上的实时翻译。这些系统使用简单的机器翻译层翻译字幕文本，产生的输出往往语法不正确、语境有误，并作为静态文本延迟数秒呈现。
专业实时翻译使用针对特定领域优化的翻译模型、上下文感知的语言处理和优化的文字转语音合成。质量差异立即可见，尤其体现在较少见的语言对和技术内容方面。
总结
字幕让语音变得可读。翻译让语音跨越语言变得可理解。两者都很重要。两者互不可替代。如果您的活动包含不会说演讲者语言的人，您就需要翻译——仅靠字幕无法弥合这一差距。
需要为您的下一场活动提供实时翻译？启动免费会话——超过 200 种语言的字幕和翻译，无需任何设置。