没有任何一款应用能覆盖所有翻译场景。 Google Translate、Apple Translate、DeepL Voice 和 MirrorCaption 各自解决了问题的不同切面，而且各自也都有别的工具更适合的场景。这并不是在贬低它们。真正被“通用”这个词掩盖的，正是这一点。
想象一下药房柜台。你举起手机，点按麦克风，提出问题，把屏幕转过去。药剂师读完后回答。你再点一次。三轮下来，你仍然不知道剂量是一天两次还是每两天一次，因为一半的交流时间都花在操作应用上，而不是在说话。
你大概也经历过类似的时刻。这个应用在一句话里还行，一旦进入对话就没用了。所以这篇文章不去给应用排座次，而是直接给你测试方法：五个维度，用来预测任何翻译应用会在哪儿失效、按什么顺序失效，以及为什么失效。然后我们会把这套测试诚实地应用到 MirrorCaption 上，包括我们得分很差的三个维度。
想先跳过去试试？ MirrorCaption 为你提供 浏览器内 1 小时免费使用，一次性，无需信用卡。之后再回来做测试也可以。
要点总结
- 不存在真正通用的翻译应用。每个工具都只覆盖某些语言、某些输入类型和某些设备，然后在这些范围之外失效。
- “通用”混淆了两个彼此无关的说法：通用覆盖范围（很多语言）和通用适用性（一款应用适用于所有场景）。一款工具可以在前者上满分，却在后者上得零分。
- 判断任何应用都要看五个维度：覆盖范围、模态、轮流发言、离线能力和平台覆盖。
- 轮流发言是没人营销、却决定真实对话成败的维度。点按-说话-等待-递手机这种流程，撑过一次交流还行，到了第三轮就崩了。
- MirrorCaption 在浏览器中支持 50+ 可选语言的连续语音，但没有离线模式、没有摄像头翻译，也没有文档翻译。这些都是真实缺口，不是路线图上的缓冲说法。
“通用翻译器”到底在宣称什么
这个说法来自科幻作品，在那里，通用翻译器是一种能把语言变量完全消除的设备。两个人说话，没人会去想机器。这就是营销文案继承下来的承诺。
但现实产品会把两个不同的说法塞进同一个词里。
通用覆盖范围指的是广度：这个工具能处理多少种语言。厂商爱宣传这一点，因为它是个数字，而数字看起来像进步。它也是更容易实现的那个说法，但它有天花板，而且没有任何产品接近这个天花板。语言学家统计大约有 7,000 种现存语言，而覆盖最好的工具最多也就支持几百种。
通用适用性指的是：一款工具能否适用于你真正会遇到的所有场景——视频通话、柜台对话、纸质表格、语音留言、WhatsApp 聊天串。没人会宣传这一点，因为没人做得到。
关键就在这里。这两个说法几乎彼此独立。一个短语翻译器可以支持两百种语言，但在 Teams 通话里依然一无是处，因为它听不到通话内容。一个会议工具可以在 Teams 通话里表现出色，却在药房里毫无用处，因为它只存在于会议里。只看语言数量，几乎无法告诉你这个应用明天是否真的适合你。
任何翻译应用都适用的五维测试
在付费之前，先做这五项检查。每一项只要几分钟，而且每一项都有一个功能列表不会告诉你的具体失效方式。
| 维度 | 要问的问题 | 它暴露的失效点 | 如何在五分钟内测试 |
|---|---|---|---|
| 覆盖范围 | 我这对具体语言能否双向工作？ | 支持不对称：某种语言只列为输入，不列为输出，或者只和英语配对。 | 先设置你的语言对，再反向切换。如果反向方向缺失或是灰色不可选，那这个列表只是装饰。 |
| 模态 | 它接受哪些输入：实时语音、键入文本、摄像头、文档、音频文件？ | 买了语音工具，结果需要翻译菜单；或者反过来。 | 数一数输入按钮。大多数工具真正覆盖的只有五种里的两种。 |
| 轮流发言 | 会话能跨轮次保持打开，还是每说一句就重来？ | 应用变成第三个参与者，双方都得操作它。 | 做一次真实的四轮对话。数一数它让你点了几次。 |
| 离线 | 断网后还能用吗？哪些语言可以？ | 在地下室、飞机上或漫游时才发现答案。 | 打开飞行模式，试试你的语言对。记下哪些功能消失了。 |
| 平台覆盖 | 它能听到我需要翻译的那个东西吗？ | 工具只能听房间里的声音，或者只能听某一个会议平台里的声音。 | 在真正重要的那个界面上试：你实际使用的会议窗口，或者一个有两个人说话的真实房间。 |
维度 1：覆盖范围是不对称的，所以要测试你的语言对，而不是看列表
语言列表本质上是营销材料。一个工具可能把某种语言列为识别语言，却不支持输出；也可能只在和英语配对时支持它；还可能支持书面形式，却不支持口语形式。普通话到德语也许能用，而德语到普通话却要绕经英语，途中还会丢失精度。
解决办法很朴素，也很有效：设置你真实的语言对，说一句真实的话，然后反向测试。两分钟的测试，胜过任何公开统计数字。
维度 2：模态决定了这个工具是否真的相关
实时语音、键入文本、摄像头、文档上传和录制音频，是五种不同的产品，却共用一个图标。面向消费者的翻译器通常在文本和摄像头上更强。会议工具通常在实时语音上更强，而在其他方面都较弱。
这两种都没有错。但如果你买错了模态，那么覆盖范围和准确率都不重要，因为这个工具根本接不住你手里的东西。
维度 3：轮流发言是没人营销的那个维度
这才是决定一个应用能否撑过真实对话的维度，而且它几乎从不出现在对比表里。下一节会专门讲它，因为它值得单独展开。
维度 4：离线能力是二元的，而且这也是一个完全正当的选择理由
下载好的语言包让某些工具可以在没有网络的情况下翻译文本，但通常语言更少、质量也更低。流式语音翻译一般无法离线工作，因为识别和翻译都运行在服务器上。
如果你最现实的最坏情况是医院地下室里没有信号，那么带离线语言包的工具才是正确答案，而 MirrorCaption 不是。我们是流式服务。飞行模式会结束会话。
维度 5：平台覆盖的意思是“它能不能听到音频”
有两种非常不同的音频问题，却被归到同一个词下面。视频通话需要的是会议窗口里输出的音频。面对面对话需要的是麦克风拾取房间里的声音。能同时做到这两件事的工具非常少，而那些作为平台附加功能构建的工具，离开自家平台后两件都做不到。
内置字幕就是最清楚的例子。Google 在 Google Meet 帮助中说明了其支持的字幕和翻译字幕语言，Microsoft 则在 Microsoft Learn 上说明了实时翻译字幕及其套餐要求。它们在各自产品内部都确实很好。但当你的客户在另一个平台上时，它们就帮不上忙；而且它们也不会跟着你去药房柜台。
为什么是轮流发言，而不是语言数量，决定了通用翻译会失效
虚构中的通用翻译器从不会在词汇上失手。它之所以成功，是因为它是隐形的。场景里没人去操作它。
真实应用会把自己插进对话流程里，成为一个“轮次”。点麦克风。说话。等结果。把手机转过去。等对方读完。再拿回来。再点一次。这不是翻译摩擦，而是对话摩擦，而且会不断累积。一次交流还挺新鲜，到了第三轮，双方都会开始把话说短，以适应界面，而你真正需要的信息也正是在这时被省掉了。
用药说明、预约时间、送达日期和合同条款，往往都出现在对话的第三轮和第四轮，在寒暄和澄清问题之后。一个只能撑过两轮的工具，根本传达不了这些内容。
柜台对话。 这是一个构造示例，不是真实客户故事。药房柜台前的两个人需要四轮交流：药是什么、能不能和别的东西一起服用、多久一次、以及漏服后该怎么办。
如果用按一下说一句的翻译器，大约就是八次点按和八次停顿，再加上两轮把手机来回递交。若是连续会话，手机放在柜台上，双方轮流说话，转写和翻译会在两种语言中持续生成，没人需要碰它。两种情况下的语言覆盖范围完全一样，但结果并不一样。
三语通话。 这也是构造示例。一次产品评审在浏览器会议中进行：一位工程师说普通话，一位 PM 说德语，一位 CS 负责人说葡萄牙语，名义上都在用英语。
这里的失败点不是语言数量，而是平台自己的字幕只服务于该平台支持的那些语言对，而需要其他语言对的参与者会悄悄停止发言。每个人都在自己浏览器标签页里用自己的语言看通话内容，这解决的是轮流发言问题，不是覆盖范围问题。
如果你想看这套论证如何应用到具体会议工具上，我们在实时会议翻译器对比里做了更深入的拆解。
准备自己测试轮流发言了吗？ 开始一个会话，进行一次真实的四轮对话，数一数点了几次。免费打开 MirrorCaption，对面的人无需安装。
MirrorCaption 在五个维度上的表现
如果一篇文章先测试“通用”这个词，最后却得出自己的产品就是通用的，那它已经违背了自己的前提。所以这里给出诚实的评分表。
覆盖范围：强，但有边界
MirrorCaption 支持 50+ 可选语言的双向翻译，包括普通话、日语、韩语、阿拉伯语、印地语、俄语、葡萄牙语、西班牙语、法语和德语。这是一个很广的网，但不是通用的网。请在免费时段内先双向测试你的语言对，再决定是否继续。如果你想看我们关于语言和音频条件如何影响质量的数据，请参见实时翻译准确率。
模态：仅支持实时语音
我们把一件事做得很好，但不做其他输入。实时语音会在对方仍在说话时被逐词转写并翻译，带有说话人识别，以及会随着对话进行而刷新的 AI 摘要。点按任意已翻译词语，可以查看其背后的源词，并将其保存到词汇表中。
我们不做的事：没有摄像头翻译，没有文档翻译，没有文件上传。 如果你要把手机对着菜单或租赁合同，我们就不是正确工具。那种场景请保留一个面向消费者的翻译器。
轮流发言：这是我们专门为之构建的维度
手机上的 Talk 模式是连续会话，不是按住说话。只需启动一次，它就会保持打开。双方轮流发言，转写和翻译上下文会跨轮次延续，句子之间没人需要按任何按钮。
可选的 Speak Translations 更进一步：它会把你的翻译语音用目标语言朗读出来，这样对方听到的是信息，而不是盯着屏幕读。播放可以通过你的笔记本扬声器、通过二维码配对的手机，或者 Mac 客户端的虚拟麦克风进行，这样基于浏览器的 Zoom、Meet 或 Teams 通话就能把翻译后的音频当作麦克风输入接收。这里最接近科幻里那种隐形设备的，就是这个：你说你的语言，对方听到他们的语言，对话继续向前。
离线：不支持
没什么可委婉的。流式识别意味着必须有网络连接。如果离线是硬性要求，请选择别的工具。
平台覆盖：音频范围广，浏览器范围较窄
Meet 模式会在桌面版 Chrome 或 Microsoft Edge 中捕获会议窗口的音频，因此它可以与基于浏览器的 Zoom、Teams、Meet 和 Webex 通话并行工作，而无需任何机器人加入会议。Talk 模式使用麦克风，在移动端的 Chrome 上效果最佳，同时提供原生 Android 应用，iOS 也在逐步推出。试用时无需安装，也不需要其他参与者批准，不过关于网页应用和屏幕捕获的工作场所政策仍然适用。
在价格方面，MirrorCaption 是一次性购买，而不是按月订阅。免费版为 1 小时，一次性，无需信用卡，也没有每月重置。年度版为每年 54.99 euro，包含 100 小时托管转写额度；Premium 版为一次性 99 euro，包含 200 小时以及未来所有更新。Premium 并不是无限时长：超出包含额度后，需要用单独出售的 Voice Packs 充值，而 Premium 账户享有最低的每小时费率。当前价格请见 MirrorCaption 定价页面。
根据眼前的场景来选择
既然没有任何应用能在五个维度上全胜，那就按“哪个维度失效时最伤”来选。
- 离线是不可妥协的吗？ 选择带下载语言包的工具，并接受语言更少、没有实时语音质量的现实。
- 你主要需要翻译标识、菜单和纸质表格？ 带摄像头和文档输入的面向消费者翻译器，比任何会议工具都更合适，包括我们的工具。
- 所有事情都发生在同一个会议平台里，而且正好是该平台支持的语言对？ 内置字幕摩擦最小，而且不额外收费。我们对这种取舍的看法见 MirrorCaption vs Otter.ai。
- 你的对话会跨多个轮次、跨平台，有时还会在房间里进行？ 这就是轮流发言的场景，也正是我们为之构建的。看看它在多语言远程团队中的表现。
- 你主要需要写，而不是对话？ MirrorCaption Typer 可以把口述转成干净、结构化的文本，并使用同一账户额度。
很多人最后会同时用两个工具，而不是一个。这是合理的结果，而且往往比花钱买一个号称通用、却在你真正需要的那个维度上失效的工具更好。
常见问题
真的有通用翻译器应用吗？
没有。市面上的每个工具都只覆盖某些语言、某些输入类型和某些设备，并且在这些范围之外失效。真正有用的问题不是“哪款应用是通用的”，而是“哪款应用对你眼前这个场景是通用的”。
一款应用能同时翻译视频通话和面对面对话吗？
可以，但前提是它能听到这两种来源。通话需要会议窗口输出的音频；面对面对话需要房间里的麦克风。作为会议附加功能构建的工具通常做不到后者，而短语翻译器通常做不到前者。
通用翻译器应用能离线工作吗？
有些可以，主要用于文本和较少的语言集，依靠下载好的语言包。流式语音翻译通常不行，因为识别和翻译都运行在服务器上。MirrorCaption 是流式服务，需要网络连接。
翻译应用需要多少种语言才算有用？
通常两种就够：你的语言，以及你面前那种语言。长语言列表是个弱信号，因为覆盖范围往往是不对称的。与其数列表里的条目，不如检查你的具体语言对是否能双向工作，以及是否支持你需要的输入模式。
我应该在看医生或参加法律会议时使用翻译应用吗？
可以作为辅助，但不要把它当作口译员。涉及同意、诊断、剂量、合同或证词时，合格的人类口译员才是正确选择。应用可以在旁边帮你同步阅读、核对术语，并保留书面记录。
翻译应用和口译应用有什么区别？
在实际使用中，这些标签更多是营销说法。真正的区别在于轮流发言：翻译应用一次处理一个提交的片段，而口译工作流会在整段对话中保持打开，并在轮次之间延续上下文。
简短版
通用翻译器应用并不存在，而那些把自己宣传成通用的应用，通常是在卖覆盖范围，却悄悄在适用性上失手。请改用五维测试。检查你的语言对是否能双向工作。检查应用是否接受你手头真正拥有的输入。做一次真实的四轮对话，数一数点了几次。关掉网络，看看还剩什么。把它对准真正重要的那个表面。
MirrorCaption 在覆盖范围、语音模态、轮流发言和平台覆盖上表现合格，但在离线、摄像头和文档上不合格。这是一个针对特定问题的具体工具：当两种语言在多轮对话中碰撞，而双方都需要继续说下去时。如果这正是你的问题，免费 1 小时就足够判断了。