豆包AI实时语音翻译：同声传译功能使用指南

豆包AI语音实时翻译功能，用户常遇翻译延迟、语种限制或仅输出中文等问题。症结在于未正确启用同声传译通道、蓝牙音频配置不当，或目标语言超出当前入口支持范围。以下五条路径可覆盖绝大多数应用场景。

一、通过“实时翻译”智能体实现同声传译

该入口基于Doubao-Seed-Translation模型，采用流式语音识别与低延迟翻译管道，专为跨语言对话优化。当前支持中文与英、日、德、法、西、葡、印尼七种语言的双向互译。语音输入后自动生成实时字幕，实现边听边翻的体验。

操作步骤：打开豆包App（需6.2.0及以上版本），登录后点击底部导航栏“智能体”图标。在列表中找到名为“实时翻译”的官方智能体，点击进入，系统自动初始化麦克风权限与语音通道。页面顶部出现“已就绪，开始说话”提示后，按住中央红色麦克风按钮说出中文，松开后下方显示中英双语字幕。如需切换语言，点击右上角齿轮图标，在“目标语言”中手动选择即可。

二、在主聊天界面通过结构化指令激活多语语音翻译

此方法绕过功能入口限制，直接向大模型发送包含语音上下文的明确指令，适用于临时翻译俄语、阿拉伯语、韩语等非默认语种。核心依赖Doubao-Seed-Translation模型对全部28个语种的完整支持。

具体操作：进入主聊天界面，点击输入框旁麦克风图标，用中文说出完整指令，例如：“请将我接下来说的话实时翻译成俄语，并逐句显示原文与译文”。语音识别完成后，系统自动解析为翻译任务。再次点击麦克风开始说话，每句话结束即返回中俄双语对照文本。切换语种无需退出，直接在当前会话中说出“改为翻译成阿拉伯语”，模型即动态更新输出。

三、利用电脑端“实时双语字幕”进行音视频多语转录

该功能仅限豆包电脑客户端（Windows/macOS），采用本地ASR引擎与云端NMT协同处理，可捕获系统音频流并实时生成双语字幕。当前支持中英互译固定模式，同时兼容外接麦克风输入的现场语音，适用于会议、课程、视频播放等场景。

在电脑端豆包应用左上角点击“更多”菜单，选择“实时双语字幕”。弹出窗口后点击“开启音频捕获”，授权访问系统声音输入设备。若使用蓝牙耳机，需确认耳机已设为系统默认通信设备，并在豆包设置中勾选“启用语音输入增强”。播放英文音频或开始讲话后，字幕框同步显示英文原文与中文译文。如需翻译其他语言，需借助外部工具将语音流导入豆包处理。

四、通过浏览器助手实现网页语音内容多语对照翻译

该路径适用于观看YouTube、TikTok、Netflix等平台的外语视频，可将网页内嵌音频实时转为指定语言。采用侧边栏浮动字幕形式，保留原始时间轴与语境锚点，当前支持中、英、日、法、德、西、葡七种语种输出。

首先安装“豆包AI浏览器助手”扩展程序（v3.1.4及以上），然后访问包含外语语音的页面，等待视频加载完成。按下快捷键Ctrl+Shift+T（Windows）或Cmd+Shift+T（Mac）唤起右下角控制面板，点击“语音同传”按钮，在弹出菜单中选择目标语言。页面视频右侧会展开浮动字幕栏，实时显示对应译文。

五、上传语音文件调用API多语翻译服务

若对翻译精度、可复现性及语种覆盖有更高要求，例如离线场景下的全量多语翻译，API最为稳妥。支持上传WAV/MP3格式语音文件，由火山引擎服务端直连Doubao-Seed-Translation模型执行端到端语音识别与翻译，返回结构化JSON结果，包含原始语音文本、各目标语种译文及置信度评分。

首先访问豆包AI开发者平台，获取激活的API密钥（AccessKey ID + Secret）。然后使用curl构造POST请求：curl -X POST "https://api.volcengine.com/translation/v1/speech-translate" -H "Authorization: Bearer YOUR_TOKEN" -F "file=@recording.wa v" -F "source_lang=zh-Hans" -F "target_lang=ko"。发送后等待响应，JSON体中"translations"[0]["text"]字段即为译文结果，可直接用于字幕嵌入或二次加工。该方式灵活性高、语种覆盖全面，适用于多数复杂翻译需求。