AI 同传比讲者慢多少:我们在真会场量到的数字

2026 年 10 月多伦多一场论坛的主会场,中文频道的译音中位比讲者晚 2.9 秒开始,95% 的句子在 4.4 秒以内。下面说明怎么量的、什么时候会更慢、字幕和译音谁先到。

量的是什么

从讲者开口说一句话,到这句话第一段听得见的译音从我们的服务器发出去,中间隔多久。引擎在译音开头垫的静音不算,从真正有声音的那一帧算起。这个数不含译音经网络到手机、手机播放缓冲的时间。

真会场的数字

2026 年 10 月 29 日多伦多 My Healthcare 论坛主会场,台上讲英文,中文频道:能量的 16 句里,中位 2.9 秒,95% 在 4.4 秒以内。样本不大,数字只代表这一场。

什么时候更慢

讲者一口气讲很长、中间不停顿时,译音落后得更多:引擎要听到足够的内容才能译出意思。我们在早先一版引擎上比过:自然对话的短句,95% 在 3.7 秒以内;整段长句朗读,95% 在 5.6 秒以内。

所以给讲者的建议只有一条:句子之间稍微停一下。

字幕和译音谁先到

几乎同时。我们的测试素材上,字幕中位比译音早 0.15 到 0.25 秒,从来不比译音晚。大屏和手机上的字幕是同一份。

首页试听为什么说两秒

首页试听里,译音比台上晚约两秒开始。默认那段是录音清晰、语速平稳的单人发言(首页试听里只有普通话由语音合成,其余都是真人录音);真会场的讲话有停顿、有长句,所以中位是上面的 2.9 秒。

接着看

免费试 5 分钟

Markdown