音频翻译如何将录音转为翻译语音

你可以将音频翻译用于你不懂的语言的语音消息、访谈、讲座或任何其他录音。你可以并排查看原文和译文，还能用说话人原本的声音收听译文。

支持上传的内容

音频翻译支持音频文件和视频文件。对于视频，它只提取其中的声音，且该操作在上传前于你的设备上完成。

支持的音频格式：MP3、M4A、AAC、WAV、FLAC、OGG、Opus、WebM、3GP 和 MP4。如何从即时通讯软件发送语音消息，请参阅将 WhatsApp 或 Telegram 的语音消息发送至 VocaLingo。

如何翻译录音

选好文件后翻译会自动开始，没有单独的翻译按钮。

1. 在“工具”标签页中，打开音频翻译。

2. 点击选择、录制音频或粘贴链接。

3. 等待应用显示“正在识别…”，然后是“正在翻译…”。录音的语言会自动检测。

4. 在翻译标签页中，查看顶部的语言。首次使用时默认匹配你的应用语言，之后应用会记住你上次的选择。如果你选择其他语言，文本会重新翻译。

5. 点击播放器中的播放按钮收听译文。

你将获得什么以及在哪里查看

结果分为三个标签页，并会自动保存到历史记录中。

• 原文：识别出的语音。如果有词听错了，点击编辑并修改，译文会自动更新。

• 翻译：包含播放器的翻译文本。你可以编辑、复制或分享文本。播放器中的分享按钮可将配音作为音频文件发送；在网页端则会下载该文件。

• 摘要：简述、要点以及带时间戳的分段。

在译文下方，“下一步操作”板块提供录制回复、在聊天中讨论，以及在克隆配音后的保存声音。历史结果可以从右上角的“历史记录”图标打开。未开通 Premium 时，仅保留最近3条记录。音频翻译不会发送推送通知：结果会直接显示在屏幕上。

由哪种声音朗读译文

配音仅在你点击播放时才会生成，除非你在设置中指定了声音，否则应用会按以下规则选择声音：

• 英语、俄语、中文、德语、法语、西班牙语、意大利语、日语、韩语和葡萄牙语：应用会直接使用 Qwen 3 克隆说话人的声音。录音时长必须至少为3秒。

• 其他语言：应用会询问克隆声音？并显示价格。克隆声音会使用 MiniMax 或 ElevenLabs Dubbing v2 中对当前录音更便宜的一种。使用 AI 声音则会用标准声音朗读译文。如果你勾选不再询问，应用会记住你的选择。

如需自行选择声音，请点击右上角的设置图标，打开配音标签页。各项设置说明请参阅音频翻译设置。如果声音听起来像机器人、语速过快或不像说话人，请参阅为什么翻译声音听起来像机器人。

费用说明

选择文件后，系统会自动扣除识别、翻译和摘要的费用。配音仅在你点击播放时扣费。

所有工具的价格可在各项工具代币价格中查看。

音频翻译不支持的功能

• 无法手动选择录音的语言：系统始终自动检测。

• 不支持导出为 SRT、TXT 或 PDF。请直接复制或分享文本。

• 整篇译文由同一种声音朗读，且不会还原原声的停顿。只有 ElevenLabs Dubbing v2 会为每位说话人单独配音并保留原始时间节奏。

• 无法翻译实时电话或即时通讯软件的通话，仅支持录音。请参阅VocaLingo 能否翻译电话或 WhatsApp 通话。

• 网页端不支持从即时通讯软件分享：请将语音消息保存为文件后点击选择。

常见问题