沒有任何單一 App 能涵蓋所有翻譯情境。 Google Translate、Apple Translate、DeepL Voice 和 MirrorCaption 各自解決了問題中的不同切面，而且各自也都有別的工具更適合的情境。這不是在貶低它們，而是「通用」這個詞把真相藏起來了。
想像一下藥局櫃檯。你舉起手機，點一下麥克風，提出問題，把螢幕轉過去。藥師讀完後回答。你再點一次。來回三次之後，你還是不知道劑量是一天兩次還是每兩天一次，因為一半的交流時間都花在操作 App，而不是在對話。
你大概也經歷過類似的時刻。那個 App 在一句話的情境下還行，但一進入對話就沒用了。所以這篇文章不幫你排名 App，而是直接給你測試方法：五個軸向，判斷任何翻譯 App 會在哪裡失效、先在哪裡失效，以及為什麼失效。接著我們會誠實地把這個測試套用到 MirrorCaption，包括我們在其中三個軸向上分數很差的地方。
想直接跳去試用嗎？ MirrorCaption 提供你在瀏覽器中 1 小時免費使用，一次性、免信用卡。之後再回來看測試也可以。
重點摘要
- 不存在真正通用的翻譯 App。每個工具都只涵蓋某些語言、某些輸入類型、某些裝置，超出範圍就會失效。
- 「通用」其實混淆了兩個互不相干的主張：通用覆蓋（很多語言）與通用適用性（一個 App 應付所有情境）。一個工具可以把前者做到滿分，後者卻是零分。
- 評估任何 App，都要看五個軸向：覆蓋、模態、輪替對話、離線能力，以及平台涵蓋範圍。
- 輪替對話是沒人行銷、卻決定真實對話成敗的軸向。點一下、說一句、等一下、把手機遞過去，這種流程撐得過一次交流，第三次就崩了。
- MirrorCaption 在瀏覽器中提供 50+ 可選語言的連續語音翻譯，而且沒有離線模式、沒有相機翻譯、也沒有文件翻譯。這些都是真實缺口，不是路線圖上的保留說法。
「通用翻譯器」到底在主張什麼
這個詞來自科幻作品，其中的 通用翻譯器 是一種能把語言這個變數完全消除的裝置。兩個人對話，沒有人會去想那台機器。這就是行銷文案承接下來的承諾。
但真實產品會把兩個不同的主張塞進同一個詞裡。
通用覆蓋指的是廣度：這個工具能處理多少語言。這是廠商最愛宣傳的主張，因為它是一個數字，而數字看起來就像進步。這也是比較容易做到的主張，而且它有一個沒有任何產品接近的上限。語言學家估計大約有 7,000 種現存語言，而覆蓋最好的工具最多也只支援幾百種。
通用適用性指的是一個工具能應付你實際會遇到的所有情境：視訊通話、櫃檯對話、紙本表單、語音信箱、WhatsApp 訊息串。沒有人會宣傳這件事，因為沒有人做得到。
重點在這裡。這兩個主張幾乎是彼此獨立的。一個片語翻譯器可以支援兩百種語言，卻仍然完全不適合 Teams 通話，因為它聽不到通話內容。一個會議工具可以在 Teams 通話裡表現很好，卻在藥局櫃檯完全沒用，因為它只活在會議裡。光看語言數量，幾乎無法告訴你這個 App 明天能不能派上用場。
任何翻譯 App 都適用的五軸測試
在付費之前，先做這五項檢查。每一項只要幾分鐘，而且每一項都對應一種功能清單看不出來的失敗模式。
| 軸向 | 要問的問題 | 它揭露的失敗 | 如何在五分鐘內測試 |
|---|---|---|---|
| 覆蓋 | 我這一組精確的語言對，雙向都能用嗎？ | 支援不對稱：某語言只列為輸入，卻不能輸出，或只和英文配對。 | 先設定你的語言對，再反向切換。如果反向方向缺失或是灰色不可選，那份清單只是裝飾。 |
| 模態 | 它接受哪些輸入：即時語音、文字輸入、相機、文件、音訊檔？ | 買了語音工具，結果你需要翻譯的是菜單；或反過來。 | 數一數輸入按鈕。多數工具真正涵蓋的只有五種中的兩種。 |
| 輪替對話 | 這個會話會跨輪次持續開著，還是每講一句就重來？ | App 變成第三個參與者，兩邊的人都得操作它。 | 實際進行一段四輪對話。數一數總共按了幾次。 |
| 離線 | 在沒有網路時它還能用嗎？哪些語言可以？ | 在地下室、飛機上或漫遊時才發現答案。 | 開啟飛航模式，試試你的語言對。注意哪些功能消失了。 |
| 平台涵蓋範圍 | 它聽得到我需要翻譯的東西嗎？ | 工具只能聽到房間裡的聲音，或只能聽到某一個會議平台。 | 在真正重要的表面上測試：你實際的會議視窗，或一個真的有兩個聲音的房間。 |
軸向 1：覆蓋是不對稱的，所以要測你的語言對，不要只看清單
語言清單是行銷產物。某個工具可能把某語言列為辨識語言，卻不能輸出；也可能只在和英文配對時才支援；或者支援書面形式，卻不支援口語形式。中文到德文可能可以，但德文到中文卻要先經過英文，途中還會損失精確度。
修正方法很無聊，但很有效：設定你真正要用的語言對，說一句真實句子，然後反向切換。兩分鐘的測試，勝過任何公開統計數字。
軸向 2：模態決定這個工具到底有沒有意義
即時語音、文字輸入、相機、文件上傳、錄音檔，這五種其實是披著同一個圖示的五種不同產品。消費型翻譯工具通常在文字和相機上表現較強。會議工具通常在即時語音上表現較強，其他方面則較弱。
兩者都沒有錯。但如果你買錯了模態，那麼覆蓋和準確度都不重要，因為這個工具根本無法接受你手上的內容。
軸向 3：輪替對話是沒人行銷的軸向
這個軸向決定一個 App 能不能撐過真實對話，而且幾乎從不出現在比較表上。下一節會更深入說明，因為它值得單獨討論。
軸向 4：離線能力是二元的，而且這是合理的反選理由
下載語言包可以讓某些工具在沒有連線時翻譯文字，通常語言較少、品質也較低。串流式語音翻譯一般無法離線運作，因為辨識與翻譯都在伺服器上執行。
如果你最糟的真實情境是沒有訊號的醫院地下室，那麼有離線語言包的工具才是正解，而 MirrorCaption 就不是。因為我們是串流服務。飛航模式一開，會話就結束了。
軸向 5：平台涵蓋範圍的意思是「它聽得到音訊嗎」
有兩種非常不同的音訊問題，卻被歸在同一個詞底下。視訊通話需要的是會議視窗「輸出」的音訊。面對面對話需要的是麥克風收進房間裡的聲音。很少工具能同時做到這兩件事，而那些作為平台附加功能打造的工具，在平台之外通常兩者都做不到。
內建字幕就是最清楚的例子。Google 在 Google Meet 說明 中列出其支援的字幕與翻譯字幕語言，而 Microsoft 則在 Microsoft Learn 上說明即時翻譯字幕及其方案需求。兩者在各自產品內都確實很好用。但當你的客戶在不同平台上時，兩者都幫不上忙；而且它們也不會跟著你走到藥局櫃檯。
為什麼是輪替對話，而不是語言數量，會讓通用翻譯失效
虛構中的通用翻譯器從來不會在詞彙上失敗。它之所以成功，是因為它是隱形的。場景中的人沒有人在操作它。
真實 App 會把自己插進對話流程裡，變成一個輪次。點麥克風。說話。等結果。轉過手機。等對方讀完。再拿回來。再點一次。這不是翻譯摩擦，而是對話摩擦，而且會累積。一次交流還算有趣。到了第三次，兩邊的人都開始把話縮短來配合介面，而這正是你真正需要的資訊最容易被漏掉的時候。
劑量說明、預約時間、送達日期、合約條款，這些都出現在對話的第三輪和第四輪，在寒暄和澄清問題之後。只能撐兩輪的工具，無法把它們傳達出來。
櫃檯對話。 這是一個構造出的例子，不是真實客戶故事。藥局櫃檯前的兩個人需要四輪對話：這是什麼藥、能不能和別的東西一起吃、多久一次、如果漏吃該怎麼辦。
如果用每句都要點一下的翻譯器，大約就是八次點擊和八次停頓，再加上兩輪把手機來回遞交。若是連續會話，手機就放在櫃檯上，兩邊的人輪流說話，逐字稿與翻譯會在兩種語言中同步累積，沒有人需要碰它。兩種情況的語言覆蓋完全一樣，但結果完全不同。
三語通話。 這也是構造出的例子。某個產品評審在瀏覽器式會議中進行：一位工程師說中文，一位 PM 說德文，一位 CS 負責人說葡萄牙文，名義上都在用英文。
這裡的失敗不是語言數量，而是平台自己的字幕只服務於該平台支援的那些語言對，而需要其他語言對的參與者會悄悄停止發言。每個人都在自己的瀏覽器分頁裡用自己的語言讀取通話內容，這是輪替對話的修正，不是覆蓋的修正。
如果你想看這個論點套用到特定會議工具的更深入版本，我們已經在〈即時會議翻譯工具比較〉中拆解過了。
準備好自己測試輪替對話了嗎？ 開始一個會話，進行一段真實的四輪對話，並計算點擊次數。免費開啟 MirrorCaption，對桌那一端的人不用安裝任何東西。
MirrorCaption 在五個軸向上的表現
如果一篇文章先測試「通用」這個詞，最後卻宣稱自己的產品就是通用，那它其實已經違背了自己的前提。所以這裡直接給你誠實的成績單。
覆蓋：強，但有邊界
MirrorCaption 支援 50+ 種可選語言的雙向翻譯，包括中文、日文、韓文、阿拉伯文、印地文、俄文、葡萄牙文、西班牙文、法文和德文。這是很廣的覆蓋，不是通用覆蓋。請在免費時數內先測你的語言對雙向是否都可用，再決定是否付費。如果你想看我們關於不同語言與音訊條件下品質差異的資料，請參考〈即時翻譯準確度〉。
模態：只做即時語音
我們把一種輸入做好，其他的就不做。即時語音會在對方還在說話時就逐字轉錄並翻譯，並附帶說話者偵測與會隨對話進行而更新的 AI 摘要。點一下任何已翻譯的字，就能看到背後對應的原文，還可以把它存到詞彙清單裡。
我們不做的事：沒有相機翻譯、沒有文件翻譯、沒有檔案上傳。 如果你要對著菜單或租約合約拍照，我們不是正確工具。那種情況請保留一個消費型翻譯器。
輪替對話：這就是我們為之打造的軸向
手機上的 Talk 模式是一個連續會話，不是按住說話。啟動一次之後它會持續開著。兩邊的人輪流說話，逐字稿與翻譯上下文會跨輪次延續，句子之間沒有人需要按任何東西。
可選的 Speak Translations 更進一步：它會把你的翻譯語音用目標語言唸出來，讓對方直接聽到訊息，而不是從螢幕上讀。播放可以透過你的筆電喇叭、以 QR code 配對的手機，或 Mac 用戶端的虛擬麥克風輸出，讓瀏覽器版的 Zoom、Meet 或 Teams 通話把翻譯後的音訊當成麥克風輸入接收。這大概是這裡最接近科幻中那種隱形裝置的東西：你說你的語言，他們聽到他們的語言，對話持續前進。
離線：不支援
沒有任何委婉說法。串流辨識代表一定需要網路連線。如果離線是硬性需求，請選別的工具。
平台涵蓋範圍：音訊涵蓋廣，但瀏覽器較窄
Meet 模式會在桌面版 Chrome 或 Microsoft Edge 中擷取會議視窗的音訊，因此它可以搭配瀏覽器版的 Zoom、Teams、Meet 和 Webex 通話使用，而且不需要任何機器人加入會議。Talk 模式使用麥克風，在手機上的 Chrome 中表現最佳，並提供原生 Android App，iOS 也正在推出中。試用時不需要安裝，也不需要其他參與者核准，不過企業對網頁 App 與螢幕擷取的政策仍然適用。
在價格方面，MirrorCaption 是一次性購買，而不是每月席位費。免費方案是 1 小時、一次性、免信用卡、也不會每月重置。年方案是每年 54.99 euro，包含 100 小時的代管轉錄額度；Premium 是一次 99 euro，包含 200 小時，並附帶所有未來更新。Premium 不是無限時數：超過包含額度後，需要另外加值 Voice Packs，而 Premium 帳戶享有最低每小時費率。最新數字請見 MirrorCaption 價格頁面。
依照你眼前的情境來選
既然沒有任何 App 能贏過全部五個軸向，那就挑那個一旦失敗會最傷的軸向來決定。
- 離線是不可妥協的嗎？ 選擇有下載語言包的工具，並接受語言較少、也沒有即時語音品質。
- 你主要需要的是標誌、菜單和紙本表單嗎？ 有相機與文件輸入的消費型翻譯器，會比任何會議工具都更適合，包括我們自己的工具。
- 所有事情都發生在同一個會議平台裡，而且正好是那個平台支援的語言對嗎？ 內建字幕是摩擦最少、也不需要額外費用的選擇。我們對這種取捨的看法寫在〈MirrorCaption vs Otter.ai〉。
- 你的對話會跨好幾輪、跨平台，而且有時還會在同一個房間裡進行嗎？ 那就是輪替對話的情境，而這正是我們打造的用途。看看它在〈多語遠端團隊〉中的實際表現。
- 你主要需要的是寫作，而不是對話嗎？ MirrorCaption Typer 可以把口述轉成乾淨、結構化的文字，並使用同一個帳戶額度。
很多人最後會同時使用兩個工具，而不是一個。這是合理的結果，而且通常比花錢買一個自稱通用、卻在你真正需要的軸向上失敗的工具更好。
FAQ
真的有通用翻譯器 App 嗎？
沒有。市面上每個工具都只涵蓋某些語言、某些輸入類型、某些裝置，超出範圍就會失效。真正有用的問題不是哪個 App 是通用的，而是哪個 App 對你眼前的情境是通用的。
一個 App 能同時翻譯視訊通話和面對面對話嗎？
可以，但前提是它能聽到兩種來源。通話需要的是會議視窗輸出的音訊；面對面對話需要的是房間裡的麥克風。作為會議附加功能打造的工具通常做不到後者，而片語翻譯器通常做不到前者。
通用翻譯器 App 可以離線運作嗎？
有些可以，主要是文字與較少數語言，透過下載語言包來運作。串流式語音翻譯通常不行，因為辨識與翻譯都在伺服器上執行。MirrorCaption 是串流服務，需要網路連線。
翻譯 App 至少要有多少語言才算有用？
通常兩種就夠：你的語言，以及你眼前那個人的語言。長長的語言清單其實是弱訊號，因為覆蓋常常是不對稱的。與其數清單裡有幾項，不如確認你的精確語言對在雙向與你需要的輸入模式下都能用。
我應該在看診或法律會議時使用翻譯 App 嗎？
可以把它當輔助，不要把它當口譯。涉及同意、診斷、劑量、合約或證詞時，合格的人類口譯員才是正確選擇。App 可以在旁協助你同步閱讀、查詢術語，以及保留書面紀錄。
翻譯 App 和口譯 App 有什麼差別？
實務上，這些標籤多半只是行銷用語。真正的差別在於輪替對話：翻譯 App 一次處理一段提交內容，而口譯流程則會在整段對話中持續開著，並在各輪之間保留上下文。
簡短版
通用翻譯器 App 並不存在，而那些把自己包裝成通用的產品，通常是在販售覆蓋範圍，卻悄悄在適用性上失敗。請改用五軸測試。確認你的語言對雙向都能用。確認 App 能接受你手上真正的輸入。進行一段真實的四輪對話，並計算點擊次數。關掉網路，看看還剩下什麼。把它對準真正重要的表面。
MirrorCaption 在覆蓋、語音模態、輪替對話與平台涵蓋範圍上都過關，但在離線、相機與文件上失敗。這是一個針對特定問題的特定工具：當兩種語言在多輪對話中碰撞，而雙方都需要持續說下去時。如果你的問題正是這個，免費的一小時就足以讓你知道答案。