隊友說什麼終於看得懂了：我做了個遊戲語音實時翻譯工具

國際服開黑時，最難受的不是完全聽不懂，而是你剛反應過來對方在報點、叫支援，下一句已經過去了；輪到自己想回話，又得在翻譯軟件、遊戲和聊天窗口之間來回切。

所以我做了 遊譯（YouYi）：一款面向 Windows 的實時語音翻譯工具。

它不只負責把一句話翻出來，而是把採集、識別、翻譯、桌面字幕和虛擬麥克風路由接成一條能直接使用的溝通鏈路。目標很簡單：讓遊戲語音和跨語言交流裏的“聽不懂、說不出、來不及”，少一點成爲阻礙。

它具體能做什麼？

你說中文，隊友聽目標語言

把物理麥克風接入遊譯，程序會實時處理語音，並將翻譯後的語音輸出到虛擬麥克風。遊戲或語音軟件把輸入設備選擇爲對應虛擬麥克風後，就能把譯音發給隊友。

對方說什麼，直接看桌面字幕

揚聲器模式可以將指定應用或系統正在播放的語音識別並翻譯成文字。你也可以只開桌面字幕，保留遊戲原聲和環境音，不額外播放翻譯語音。

雙向溝通，不用來回切模式

雙向模式會同時處理“我說的話”和“對方說的話”：一邊把自己的語音翻譯出去，一邊把對方的內容翻譯回來。桌面字幕分爲“我說的”和“對方翻譯”兩個獨立窗口，信息不會混在一起。

不方便開麥，也可以文字代說

按熱鍵輸入一句話，遊譯會將內容送入當前翻譯鏈路並輸出。還支持一鍵複製最近一條我方譯文，方便直接粘貼到遊戲聊天框裏。

適合哪些場景？

- 國際服組隊、戰術溝通、多人開黑

- Discord、QQ 等語音聊天

- 想保留原聲，同時查看實時翻譯字幕的遊戲或直播場景

- 不方便開麥，但需要快速進行跨語言溝通的場景

兩個版本，兩個取捨

遊譯目前有 API 獨立版 和 Steam 本地模型版。它們的共同原則是：不把“支持模型數量”當成產品賣點，也不爲了湊一排模型名稱，犧牲真實開黑時最重要的穩定性和響應速度。

Steam 本地模型版：爲什麼不一口氣塞進多款模型？

因爲多接一款本地模型，不是多放一個下拉選項這麼簡單。

每一款模型都可能帶來不同的模型格式、推理運行時、顯卡與顯存要求、內存佔用、語言能力、音頻前後處理方式和輸出節奏。還要重新測試長時間運行、切換設備、遊戲後臺運行、字幕顯示、熱鍵、異常恢復等整條鏈路。

模型一多，適配工作會成倍增長，新的模型要更久才能真正穩定，舊模型也會被更多組合拖累。最後看起來“什麼都支持”，實際開黑時卻可能更慢、更卡、更容易出問題。

所以 Steam 本地模型版會優先把當前已選路線打磨到能長期使用，再考慮下一步，而不是爲了模型數量把產品做成模型展覽館。

API 獨立版：爲什麼只做千問和豆包同聲傳譯？

邏輯也是一樣。

API 版目前只圍繞已經配套的 千問 和 豆包同聲傳譯 做適配，不會把能搜到的接口全部一股腦接進來。不同平臺的實時音頻協議、鑑權方式、流式返回、音頻格式、斷線行爲和錯誤恢復都不一樣；每多接一個平臺，就多一套需要長期維護和迴歸測試的實時鏈路。

與其堆一堆只在演示裏能跑的模型入口，不如把已有的兩條鏈路做得更穩：說話能及時發出去，對方語音能及時變成字幕，斷線有恢復，長時間使用不讓延遲越積越高。

同類工具開始抄功能以後，我在繼續做什麼？

從今年 5 月到現在，遊譯已經持續迭代接近 6 個月，完成了 30 多次版本更新。我也看到越來越多同類工具開始抄遊譯已經做過的功能和交互。

功能被模仿，說明這條路有需求；但一個按鈕、一個字幕窗，或者“接入某個模型”的宣傳，遠遠不是全部。真正花時間的，是設備和虛擬音頻路由、實時語音收口、長時間會話、字幕不重複、斷線恢復、熱鍵衝突和不同遊戲場景下的持續調試。

這也是遊譯接下來會繼續做的事：不拿模型數量湊熱鬧，不爲了趕功能犧牲穩定性，把真實使用裏容易出問題的地方一條條解決。

有國際服、語音社交或跨語言聯機需求的朋友，可以在 Steam 搜索“遊譯”體驗本地模型版；設備路由、字幕顯示或平臺配置遇到問題，也歡迎在評論區交流。