正在加载视频...

视频加载失败

返回首页

来自APTV消息： iOS 9.9.9(421)TF版 【新增】新增实时字幕与翻译功能 请在设置-高级设置中下载语音识别模型，当前版本仅支持识别英文视频，并翻译成中文。 除了实时模式外，预计还会增加一个稳定模式，让直播拥有录播的字幕输出体验

RocM301's profile picture

小鹏Digital

14,719 subscribers

38,324 次观看 • 5 个月前 •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

再次重磅更新！沉浸式翻译现在完美支持了 Twitter Space 的双语字幕，直播和录播都可以，而且会根据最新的字幕实时纠正这句话的译文。 至此，我们已经支持了 15 家视频平台的双语字幕！请看视频 Demo：
1:26

再次重磅更新！沉浸式翻译现在完美支持了 Twitter Space 的双语字幕，直播和录播都可以，而且会根据最新的字幕实时纠正这句话的译文。 至此，我们已经支持了 15 家视频平台的双语字幕！请看视频 Demo：

沉浸式翻译

80,295 次观看 • 2 年前

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译
0:31

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

AIGCLINK

48,830 次观看 • 1 年前

兄弟们，这个有点炸裂了 HeyGen 推出视频内文本翻译工具 不仅能翻译你的声音，还翻译屏幕上的文字、字幕！ - 自动进行文本检测 - 将视频中的文本即时翻译成您选择的语言 - 并通过 AI 进行文本与视频风格匹配 非常牛P，翻译视频更加便利...
1:02

兄弟们，这个有点炸裂了 HeyGen 推出视频内文本翻译工具 不仅能翻译你的声音，还翻译屏幕上的文字、字幕！ - 自动进行文本检测 - 将视频中的文本即时翻译成您选择的语言 - 并通过 AI 进行文本与视频风格匹配 非常牛P，翻译视频更加便利...

小互

118,034 次观看 • 2 年前

都在聊Fable 5，没人注意谷歌昨天发布了一个颠覆翻译行业的新模型：Gemini 3.5 Live Translate 这是一个实时翻译模型，支持70+语言，能自动识别语种 我在AI Studio里试了下，放一段英文视频，中文几乎同步出来，语气语速都对得上，完成度极高 自己说中文，也是1s内就出地道的目标语言 有了这个，出国谈客户不用找翻译了，跨国会议随便开，自己听英文播客、看视频也很方便 （我的测试视频如下👇） 体验地址：
0:35

都在聊Fable 5，没人注意谷歌昨天发布了一个颠覆翻译行业的新模型：Gemini 3.5 Live Translate 这是一个实时翻译模型，支持70+语言，能自动识别语种 我在AI Studio里试了下，放一段英文视频，中文几乎同步出来，语气语速都对得上，完成度极高 自己说中文，也是1s内就出地道的目标语言 有了这个，出国谈客户不用找翻译了，跨国会议随便开，自己听英文播客、看视频也很方便 （我的测试视频如下👇） 体验地址：

Sac

125,037 次观看 • 4 个月前

炸裂：Google 翻译全面升级 全面接入 Gemini 支持实时语音翻译 打开Google翻译，戴上任意耳机，让它成为你的“同声传译员” 支持两种模式： 💬 连续聆听模式（Continuous Listening） 自动持续监听周围语言； 实时翻译成用户设定的语言； 例如：你在日本街头，戴上耳机就能听到中文版本。 🗣️ 双向对话模式（Two-way Conversation） 能识别双方语言； 自动切换输出语言； 例如： 你讲英语； 对方讲印地语； 你听到中文译文； 对方听到印地语语音。 该功能目前： 支持语言：超过 70 种语言； 在 Google Translate 安卓 App 上 beta 测试； 支持地区：美国、墨西哥、印度； 兼容任何耳机； iOS 与更多国家将于 2026 年上线。
2:50

炸裂：Google 翻译全面升级 全面接入 Gemini 支持实时语音翻译 打开Google翻译，戴上任意耳机，让它成为你的“同声传译员” 支持两种模式： 💬 连续聆听模式（Continuous Listening） 自动持续监听周围语言； 实时翻译成用户设定的语言； 例如：你在日本街头，戴上耳机就能听到中文版本。 🗣️ 双向对话模式（Two-way Conversation） 能识别双方语言； 自动切换输出语言； 例如： 你讲英语； 对方讲印地语； 你听到中文译文； 对方听到印地语语音。 该功能目前： 支持语言：超过 70 种语言； 在 Google Translate 安卓 App 上 beta 测试； 支持地区：美国、墨西哥、印度； 兼容任何耳机； iOS 与更多国家将于 2026 年上线。

小互

176,323 次观看 • 10 个月前

🚨卧槽，微信才是学习英文、中文的最佳工具！！（点赞、收藏）‼️❣️ 打开微信，点击设置，搜索翻译，将文字翻译为English，打开自动翻译聊天中的消息。 点击关怀模式，选择听文字消息（如果想学中文） 轻松两步设置，以后每天都能看到英文或者中文，超级实用。
0:47

🚨卧槽，微信才是学习英文、中文的最佳工具！！（点赞、收藏）‼️❣️ 打开微信，点击设置，搜索翻译，将文字翻译为English，打开自动翻译聊天中的消息。 点击关怀模式，选择听文字消息（如果想学中文） 轻松两步设置，以后每天都能看到英文或者中文，超级实用。

比特币橙子Trader

15,903 次观看 • 7 个月前

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译
0:23

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译

AIGCLINK

42,500 次观看 • 1 年前

Hermes Web UI 更新到 v0.5.28 了今天连更两版 🎉新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 v0.5.282026-05-17 新增 Bridge 会话级模型设置，每个会话可以独立保存 provider 和 model 在 Bridge 会话列表中右键会话，选择“设置模型”即可为当前会话切换模型 运行时会自动校验会话模型是否可用；不可用时回退到当前默认模型并更新会话 上下文压缩默认跟随当前 Profile 的默认选中模型 v0.5.262026-05-17 聊天历史和 Markdown 渲染支持 Windows 与本地媒体路径 过滤空 Assistant 历史消息，并在新运行开始时清理旧的压缩状态 配置与 Profile 写入新增文件锁，降低并发写入导致配置损坏的风险 新增 QQBot 与钉钉频道设置 CLI 端口检测改为跨平台实现，并优化移动端终端抽屉尺寸 隔离 Bridge Profile 环境，并修复不同 Python 环境下的 Hermes 插件发现 Gateway 停止状态新增 Web UI 诊断说明，并保持日志加载状态稳定 修复会话重置模式选项、自定义 Provider Base URL 处理和动态投递目标 聊天输入栏新增本地保存的工具调用记录显示开关 支持未找到源码目录时使用包安装的 Hermes Agent 新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 扩展浏览器、聊天流式、Provider、Gateway、配置、插件和 Bridge 测试覆盖
0:59

Hermes Web UI 更新到 v0.5.28 了今天连更两版 🎉新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 v0.5.282026-05-17 新增 Bridge 会话级模型设置，每个会话可以独立保存 provider 和 model 在 Bridge 会话列表中右键会话，选择“设置模型”即可为当前会话切换模型 运行时会自动校验会话模型是否可用；不可用时回退到当前默认模型并更新会话 上下文压缩默认跟随当前 Profile 的默认选中模型 v0.5.262026-05-17 聊天历史和 Markdown 渲染支持 Windows 与本地媒体路径 过滤空 Assistant 历史消息，并在新运行开始时清理旧的压缩状态 配置与 Profile 写入新增文件锁，降低并发写入导致配置损坏的风险 新增 QQBot 与钉钉频道设置 CLI 端口检测改为跨平台实现，并优化移动端终端抽屉尺寸 隔离 Bridge Profile 环境，并修复不同 Python 环境下的 Hermes 插件发现 Gateway 停止状态新增 Web UI 诊断说明，并保持日志加载状态稳定 修复会话重置模式选项、自定义 Provider Base URL 处理和动态投递目标 聊天输入栏新增本地保存的工具调用记录显示开关 支持未找到源码目录时使用包安装的 Hermes Agent 新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 扩展浏览器、聊天流式、Provider、Gateway、配置、插件和 Bridge 测试覆盖

libapi

27,280 次观看 • 5 个月前

Manga-image-Translator: 一键翻译各类图片内文字 一个开源工具，专门用于翻译漫画或图片中的文字。 利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。 不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。 主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型 项目地址： 官方演示：
1:01

Manga-image-Translator: 一键翻译各类图片内文字 一个开源工具，专门用于翻译漫画或图片中的文字。 利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。 不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。 主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型 项目地址： 官方演示：

小互

45,571 次观看 • 2 年前

做了个自动下载视频并翻译好双语字幕的 skill JZSub： 1. 支持 YouTube 等 1000+ 视频网站 2. 下载最佳视频与音频，封装 MP4 格式 3. 大模型上下文对照翻译，自动烧录好 在 Codex、Claude 国内的 WorkBuddy 都非常好用。 🔗
0:41

做了个自动下载视频并翻译好双语字幕的 skill JZSub： 1. 支持 YouTube 等 1000+ 视频网站 2. 下载最佳视频与音频，封装 MP4 格式 3. 大模型上下文对照翻译，自动烧录好 在 Codex、Claude 国内的 WorkBuddy 都非常好用。 🔗

酱紫表

63,187 次观看 • 3 个月前

Claude code 自动帮我下载并翻译的这个视频 还真不错 自动下载、翻译字幕，并烧录对齐时间戳 全自动，我用我之前的字幕翻译有提示词让它帮我做了个技能
1:40

Claude code 自动帮我下载并翻译的这个视频 还真不错 自动下载、翻译字幕，并烧录对齐时间戳 全自动，我用我之前的字幕翻译有提示词让它帮我做了个技能

小互

28,559 次观看 • 8 个月前

谷歌翻译新版直接起飞 嵌入了 Gemini 的模型。 翻译能力基于图片的实时翻译能力都提升了 还新增了一个学习模式 可以基于场景来锻炼你的听力和口语 可以设置自定义场景。 当前正在基于语言的学习做应用的感觉都可以停了。 目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。
1:35

谷歌翻译新版直接起飞 嵌入了 Gemini 的模型。 翻译能力基于图片的实时翻译能力都提升了 还新增了一个学习模式 可以基于场景来锻炼你的听力和口语 可以设置自定义场景。 当前正在基于语言的学习做应用的感觉都可以停了。 目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

ttmouse - 豆爸

80,125 次观看 • 10 个月前

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。 模型可直接处理原始的图像和声音 用一个类比讲清楚 传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。 每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。 几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言 内置 Thinking 模式（逐步推理）和原生 Function Calling
1:39

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。 模型可直接处理原始的图像和声音 用一个类比讲清楚 传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。 每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。 几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言 内置 Thinking 模式（逐步推理）和原生 Function Calling

小互

57,664 次观看 • 4 个月前

阿里发布 Qwen3.8-LiveTranslate实时语音翻译模型： 一边听、一边译、一边说 这次升级集中在四项能力： 分清谁在说话：流式区分多位说话人，并让译文语音尽量保留各自音色； 原文译文同步出现：同一条数据流同时返回源语言识别结果与目标语言译文，便于字幕核对与内容整理； 用前文和画面消歧：结合长上下文与静态图像帧，处理指代、专名和同音词； 减少流式等待：把音频和文字交替放进同一条处理流，复用已经听过的音频和已经生成的译文；在 FLEURS 测试中，译文平均落后原话的时间从上一代的 2.8 秒降到 2.3 秒。 种支持与覆盖范围 系统对不同语种提供三种能力： 音频输入 · 60 种：可以把这些语言作为源语音送入模型； 文字输出 · 60 种：可以返回这些目标语言的翻译文本； 语音输出 · 29 种：只有这个子集可以进一步合成目标语言语音。
0:28

阿里发布 Qwen3.8-LiveTranslate实时语音翻译模型： 一边听、一边译、一边说 这次升级集中在四项能力： 分清谁在说话：流式区分多位说话人，并让译文语音尽量保留各自音色； 原文译文同步出现：同一条数据流同时返回源语言识别结果与目标语言译文，便于字幕核对与内容整理； 用前文和画面消歧：结合长上下文与静态图像帧，处理指代、专名和同音词； 减少流式等待：把音频和文字交替放进同一条处理流，复用已经听过的音频和已经生成的译文；在 FLEURS 测试中，译文平均落后原话的时间从上一代的 2.8 秒降到 2.3 秒。 种支持与覆盖范围 系统对不同语种提供三种能力： 音频输入 · 60 种：可以把这些语言作为源语音送入模型； 文字输出 · 60 种：可以返回这些目标语言的翻译文本； 语音输出 · 29 种：只有这个子集可以进一步合成目标语言语音。

小互

28,837 次观看 • 1 个月前

Bilibili 这次出海，在 X 上大规模宣传的核心功能，就是这个 AI 同声传译，确保每个老外，看中国视频时，有英文字幕 + 实时中译英语音。 而中国用户，自去年起一直在部分视频，小范围内进行测试。
0:21

Bilibili 这次出海，在 X 上大规模宣传的核心功能，就是这个 AI 同声传译，确保每个老外，看中国视频时，有英文字幕 + 实时中译英语音。 而中国用户，自去年起一直在部分视频，小范围内进行测试。

AB Kuai.Dong

239,300 次观看 • 2 个月前

只能说AI现在太屌了好吧 上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼 今天看到，OpenAI出了一个GPT实时翻译模型 我就直接手搓了一个，ios上接入GPT模型的翻译软件 同时我还手搓了一个，接入该模型的，mac端的语音翻译软件 不过翻译有些延迟 耗时一下午就搓出来了，之前完全不懂编程
0:36

只能说AI现在太屌了好吧 上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼 今天看到，OpenAI出了一个GPT实时翻译模型 我就直接手搓了一个，ios上接入GPT模型的翻译软件 同时我还手搓了一个，接入该模型的，mac端的语音翻译软件 不过翻译有些延迟 耗时一下午就搓出来了，之前完全不懂编程

多伦多方脸

246,164 次观看 • 5 个月前

这个开源的播放器不错~ 可以当学习机 LLPlayer - 语言学习必备神器，专注于字幕相关功能！ 🔤 同时显示两种语言字幕，AI实时生成+翻译。 🔍 单词一键查询，OCR识别图像字幕，支持在线视频播放 🌐 兼容多种翻译引擎：谷歌、DeepL、OpenAI等。 💯 完全免费开源，高度可定制。
0:50

这个开源的播放器不错~ 可以当学习机 LLPlayer - 语言学习必备神器，专注于字幕相关功能！ 🔤 同时显示两种语言字幕，AI实时生成+翻译。 🔍 单词一键查询，OCR识别图像字幕，支持在线视频播放 🌐 兼容多种翻译引擎：谷歌、DeepL、OpenAI等。 💯 完全免费开源，高度可定制。

Geek

37,851 次观看 • 1 年前