用 AI 同传办一场国际会议，技术上的成败往往不取决于会中的翻译质量，而取决于会前的准备——术语对不对、模式选得对不对、设备接得对不对。
这篇按时间顺序拆一下跨语言会议的技术准备流程。
一、项目/会议两级模型的结构
系统把配置分成了两层：
项目（Project）：语言配置、模式、术语 → 长期有效
└── 会议（Meeting）：具体场次的时间、材料、接入 → 单次有效
为什么要分两级？ 因为企业办会通常是系列性的——同一个业务线、同一批术语、同样的语种组合，每月都要开。项目层保存这些不变的部分，会议层只填单次差异，避免每次都从头配。
一个技术约束要注意： 项目模式（字幕投屏 / 同声传译）在创建时确定，创建后不可修改。
这个限制背后是架构原因——两种模式的资源分配、并发模型、输出通道都不同。字幕投屏是"单语向 + 文本渲染"，同传是"多语向 + 语音合成 + 音频分发"，运行时的链路完全不一样，中途切换等于重建整个会话。
所以这个决定的实际含义是：开项目前必须想清楚会议形态。 选错了只能新建项目。
二、会前学习：术语准备的完整流程
这是准确率的主要来源。流程大致是：
上传材料 → 自动提取术语 → 人工审核 → 应用生效
材料类型：演讲稿、发言提纲、议程、嘉宾名单、产品文档。页面上提到的支持格式包括 PPT、PDF 等常见文档。
自动提取能出什么？ 从材料里抽取候选术语。页面上给的示例挺有参考价值：一个项目自动提取出 38 条候选，同时另有 165 条 ASR 纠错相关条目。这说明系统做了两类抽取——一类是"业务术语"（产品名、功能名、行业词），一类是"识别易错词"（人名、缩写、易混淆词）。
人工审核为什么不能省？ 自动提取会产生误报——普通词被标成术语，或者同一概念抽出多个变体。不审核直接应用，翻译会变得机械（普通词被强行译成某个固定译法），反而降低可读性。
规模控制。 建议不超过 500 条。超了这个量，术语约束的收益递减，误触发概率上升。
多语向项目的例外。 多语向同传暂不支持会前学习，只能手动添加术语。原因是术语要按"源→各目标"形成映射矩阵，语向一多，映射关系就复杂到需要人工确认，自动生成不够可靠。
三、双模式的选型判断
两种模式的技术特征对比：
| 维度 | 字幕投屏模式 | 同声传译模式 |
|---|---|---|
| 语向数 | 一对语种 | 源/目标各最多 3 种 |
| 输出形态 | 文本字幕 | 字幕 + 语音 |
| 硬件依赖 | 投屏/大屏 | 大屏 + 音响/耳机 |
| 适用规模 | 小型会议、一对一沟通 | 大型活动、多语种观众 |
| 默认行为 | 默认开启实时字幕 | 按配置输出 |
| 延迟 | 2–3 秒（只走文本链路） | 语音 3–5 秒（多一段合成） |
判断逻辑：
听众有几种语言？
├─ 1 种 → 字幕投屏就够（成本低、延迟低）
└─ 2 种以上 → 必须同声传译模式
再补几条经验：
- 只有一种外语听众但人数多，字幕投屏也够用（大家看同一块屏或各自手机）
- 需要"听"而不是"看"的场合（比如边走边听、视线被占用），必须上语音
- 混合会议中远程观众多，同传模式的价值更大——远程端靠音频接收更自然
四、设备与观众接入
观众接入方式的四种通道：
| 通道 | 技术实现 | 适用 |
|---|---|---|
| 二维码 | 扫码进 H5 页 | 现场观众手机 |
| 链接 | 分享 Web 地址 | 远程观众 |
| 大屏 | 投屏渲染字幕 | 会场主屏 |
| 音响 | 音频输出接入调音台 | 需要听后译音的场合 |
要注意的技术点：
音频接入要过调音台。 会议现场的音频系统是专业设备（调音台、功放），AI 输出要接进去必须走标准音频接口，不能靠放个音箱在旁边收音——那样会有回声和啸叫。
字幕投屏的分辨率和刷新。 大屏字幕要保证字号可读（后排能看清）和增量刷新平滑（不要整段跳变）。
网络冗余。 现场 Wi-Fi 通常不可靠，重要会议要有线网络或独立 AP。
设备检测环节。 流程里把"设备检测"列为独立一步，实际价值在于会前 30 分钟验证：麦克风拾音是否清晰、网络是否稳定、输出通道是否通、字幕是否正常渲染。这些在会中出问题几乎无法挽回。
五、会中的可控性设计
会中能干预的事情比想象中少，所以要在设计上留出控制点：
术语临时追加。 会中出现新材料（临时提到的产品、嘉宾），要能当场补术语。这个功能的价值很高——不能补，后半场就一直错下去。
语速动态调整。 演讲者语速变化大时，译文语速可以跟着调（0.75–1.5 倍区间内），避免"越积越多"。
字幕/语音分别开关。 有些场合只需要字幕，语音开着反而干扰。
状态可见。 组织者要能看到当前翻译状态（延迟多少、语向是否正常），否则出问题只能靠听众反馈。
六、会后产物：会议纪要
同传链路天然会产出一份资产：双语对照的文本。
技术价值在于：
- 原文和译文按时间戳对齐，可以直接生成双语纪要
- 术语已被标准化，纪要的一致性比人工整理更好
- 可检索——文本比录音好查得多
使用时的注意点：机器生成的纪要需要人工校对，特别是数字、结论性表述、责任分工这类不能错的字段。术语准确不等于语义完全准确。
七、混合活动的工程要点
线上线下同时进行的活动，技术复杂度最高：
多端一致性。 现场大屏和远程页面显示的字幕要同步，不能一边快一边慢。技术上需要一个统一的时间基准。
并发承载。 远程接入人数不确定，接入层要能弹性扩容。
音频回传延迟。 远程观众听到译音，比现场晚多少要考虑——如果需要互动（提问环节），延迟过大会让对话变得别扭。
录制与回放。 混合活动通常要留录制，音频和字幕要能对齐回放。
八、写在最后
跨语言会议的技术准备，本质是"把不确定性提前消掉"——术语提前定、模式提前选、设备提前测、通道提前通。会中能做的补救有限，准备工作做得越细，现场越稳。
睿译宝同声传译的完整流程与模式说明可以看官方页面——查看睿译宝跨语言会议的技术方案与使用流程。具体功能与版本以页面实际展示为准。
你们办跨语言会议时，最头疼的是术语准备还是会中设备？评论区聊聊。
