队友说什么终于看得懂了：我做了个游戏语音实时翻译工具

国际服开黑时，最难受的不是完全听不懂，而是你刚反应过来对方在报点、叫支援，下一句已经过去了；轮到自己想回话，又得在翻译软件、游戏和聊天窗口之间来回切。

所以我做了 游译（YouYi）：一款面向 Windows 的实时语音翻译工具。

它不只负责把一句话翻出来，而是把采集、识别、翻译、桌面字幕和虚拟麦克风路由接成一条能直接使用的沟通链路。目标很简单：让游戏语音和跨语言交流里的“听不懂、说不出、来不及”，少一点成为阻碍。

它具体能做什么？

你说中文，队友听目标语言

把物理麦克风接入游译，程序会实时处理语音，并将翻译后的语音输出到虚拟麦克风。游戏或语音软件把输入设备选择为对应虚拟麦克风后，就能把译音发给队友。

对方说什么，直接看桌面字幕

扬声器模式可以将指定应用或系统正在播放的语音识别并翻译成文字。你也可以只开桌面字幕，保留游戏原声和环境音，不额外播放翻译语音。

双向沟通，不用来回切模式

双向模式会同时处理“我说的话”和“对方说的话”：一边把自己的语音翻译出去，一边把对方的内容翻译回来。桌面字幕分为“我说的”和“对方翻译”两个独立窗口，信息不会混在一起。

不方便开麦，也可以文字代说

按热键输入一句话，游译会将内容送入当前翻译链路并输出。还支持一键复制最近一条我方译文，方便直接粘贴到游戏聊天框里。

适合哪些场景？

- 国际服组队、战术沟通、多人开黑

- Discord、QQ 等语音聊天

- 想保留原声，同时查看实时翻译字幕的游戏或直播场景

- 不方便开麦，但需要快速进行跨语言沟通的场景

两个版本，两个取舍

游译目前有 API 独立版 和 Steam 本地模型版。它们的共同原则是：不把“支持模型数量”当成产品卖点，也不为了凑一排模型名称，牺牲真实开黑时最重要的稳定性和响应速度。

Steam 本地模型版：为什么不一口气塞进多款模型？

因为多接一款本地模型，不是多放一个下拉选项这么简单。

每一款模型都可能带来不同的模型格式、推理运行时、显卡与显存要求、内存占用、语言能力、音频前后处理方式和输出节奏。还要重新测试长时间运行、切换设备、游戏后台运行、字幕显示、热键、异常恢复等整条链路。

模型一多，适配工作会成倍增长，新的模型要更久才能真正稳定，旧模型也会被更多组合拖累。最后看起来“什么都支持”，实际开黑时却可能更慢、更卡、更容易出问题。

所以 Steam 本地模型版会优先把当前已选路线打磨到能长期使用，再考虑下一步，而不是为了模型数量把产品做成模型展览馆。

API 独立版：为什么只做千问和豆包同声传译？

逻辑也是一样。

API 版目前只围绕已经配套的 千问 和 豆包同声传译 做适配，不会把能搜到的接口全部一股脑接进来。不同平台的实时音频协议、鉴权方式、流式返回、音频格式、断线行为和错误恢复都不一样；每多接一个平台，就多一套需要长期维护和回归测试的实时链路。

与其堆一堆只在演示里能跑的模型入口，不如把已有的两条链路做得更稳：说话能及时发出去，对方语音能及时变成字幕，断线有恢复，长时间使用不让延迟越积越高。

同类工具开始抄功能以后，我在继续做什么？

从今年 5 月到现在，游译已经持续迭代接近 6 个月，完成了 30 多次版本更新。我也看到越来越多同类工具开始抄游译已经做过的功能和交互。

功能被模仿，说明这条路有需求；但一个按钮、一个字幕窗，或者“接入某个模型”的宣传，远远不是全部。真正花时间的，是设备和虚拟音频路由、实时语音收口、长时间会话、字幕不重复、断线恢复、热键冲突和不同游戏场景下的持续调试。

这也是游译接下来会继续做的事：不拿模型数量凑热闹，不为了赶功能牺牲稳定性，把真实使用里容易出问题的地方一条条解决。

有国际服、语音社交或跨语言联机需求的朋友，可以在 Steam 搜索“游译”体验本地模型版；设备路由、字幕显示或平台配置遇到问题，也欢迎在评论区交流。