开发者 CY KUO ・ 免费 ・ MIT 开源

TIO · Windows 桌面工具 · 使用说明

把会议的声音，变成可以编辑的文字

开会当下实时显示字幕、把录好的文件转成有讲者有时间的逐字稿、听外语演讲同时看中文翻译，还能像戴口译耳机一样，直接用耳朵听翻译。 全部只要双击，不用打任何命令。

免费下载 → 我是第一次用 → 直接看功能怎么操作

快速开始：三件事

从拿到文件到跑出第一份逐字稿，大约 15 分钟。

还没有文件？到 GitHub 下载页，往下滚到“Assets”下载：繁体中文版文件名结尾是 _zh-TW.zip、英文版是 _en.zip（不要点“Source code”，那是源代码打包，不是安装用的压缩包；不需要 GitHub 账号；目前版本 V1.41）。想先了解这套工具，看 TIO语音精灵介绍页（繁体中文）。

  1. 申请一把 Gemini API 密钥（约 2 分钟） 这个工具本身不收费，它是把声音送给 Google 识别。你需要一把“钥匙”让 Google 知道费用算给谁。做法看这里 ↓
  2. 双击 3_安裝.bat 没装过 Python 也没关系，它会自己处理。全程双击，不用打命令。被 Windows 挡住不让运行？看这里 ↓
  3. 双击桌面的“TIO語音精靈”，按 2 试跑内置的示范录音 文件夹里的 data\meeting_16k_mono.wav 是 47 秒的示范（两个人讲中文）。在还没有自己的录音文件之前，先看看成品长什么样子。

打开之后你会看到这个画面

TIO語音精靈
════════════════════════════════════════

1 会议实时字幕　　　－ 开会当下就看到字幕
2 影音文件转逐字稿　－ 已录好的录音、录像转成文字
3 实时双语字幕　　　－ 同时出原文＋译文（可翻中英日文）
4 逐字稿转双语对照　－ 整份翻，质量比实时翻好很多
5 逐字稿重新排版　　－ 从 .json 重做／改讲者名字，不花钱
6 实时语音翻译　　　－ 只听口译，不听原音（口译模式）
9 API 密钥设置　　　－ 换密钥、检查是否有效、清除记住的
0 关闭

请输入号码后按 Enter：2

你只要打一个数字，然后按 Enter。后面它会一步一步问你，照着回答就好。

桌面上找不到快捷方式？

有些单位的电脑不让程序写入桌面，这不影响使用。直接去解压出来的文件夹里双击 4_開始使用.bat，效果完全一样。

安装

文件夹里的文件有编号，照号码顺序做就对了。

文件什么时候用
1_安裝說明就是这份说明的纸质版
2_申請金鑰與儲值第一次一定要做，约 10 分钟
3_安裝.bat双击，自动装好
4_開始使用.bat打开菜单。平常双击桌面的“TIO語音精靈”快捷方式就好（快捷方式打开的就是它），桌面没有快捷方式时才直接双击这个
5_使用說明功能怎么操作，随时查
6_診斷.bat出问题时运行，把画面截图反馈
7_解除安裝.bat不想用了
8_刪不掉時救援.bat文件夹删不掉时才用

你的电脑需要具备

项目说明
Windows 10 / 11目前只支持 Windows——“录电脑播放的声音”用的是 Windows 专属技术，Mac 用不了
Python 3.12 以上没装也没关系，安装程序检测到没有时会自动帮你装好，且不需要系统管理员权限
网络连接要连 Google 的服务器，离线不能用
一把 Gemini API 密钥你自己申请一把，见下一节

ffmpeg 和 Python 软件包由安装程序自动处理，你不用自己装。

安装步骤

  1. 把 zip 解压到电脑上任何位置zip 从下载页获取，先照下方“解除锁定”再解压。C 盘、D 盘、桌面都可以，程序没有写死路径。不要直接在压缩包里点文件。
  2. 先把 API 密钥准备好安装时贴上，程序会先跟 Google 确认这组密钥能用；Google 说不能用的话就不会保存，安装完成页会写原因。没先弄也行，那一栏可以留空。这两种情况，第一次真正使用时都会再问一次，照画面贴一次就好，不用重启；之后想换，菜单按 9。
  3. 双击 3_安裝.bat会弹出安装窗口，先列出“会在你电脑上做哪些事”，你按下“我同意，开始安装”才会开始动作。
  4. 装完桌面会出现“TIO語音精靈”快捷方式双击就能用。

被 Windows 挡住：先「解除锁定」再安装

从邮件、Teams 或云盘下载下来的压缩包，Windows 会偷偷贴上一个「来自网络」的标记， 解压时还会盖到里面会执行的文件上——刚好就是你要双击的那几个 .bat。 所以双击 3_安裝.bat 时可能会弹出安全警告，或直接被挡。 不是电脑坏了，也不是这个工具有病毒。

花 10 秒先解除锁定就不会被挡。看你现在的状况选一条：

还没解压（最干净）

  1. 对下载的压缩包（.zip）点右键 →「属性」
  2. 最下面「安全」那一行，勾「解除锁定」
  3. 按「确定」
  4. 然后再解压——之后一次警告都不会跳

已经解压了（下面示意图就是这种）

  1. 在解压出来的文件夹里，对 3_安裝.bat 点右键 →「属性」
  2. 勾「解除锁定」，按「确定」
  3. 双击 3_安裝.bat。安装程序的第一步就会把其他文件的标记一起清掉， 之后开始使用、卸载都不会再被问
① 右键 →「属性」，最下面有「安全」这一行，「解除锁定」还没勾
② 勾「解除锁定」，再按「确定」。按「应用」也可以，但还要再按「确定」关掉窗口
Windows 11 简体中文版「属性」窗口的简化示意图。实际画面上方还有其他栏位，这里只画出需要的部分。
如果你遇到怎么办
找不到「解除锁定」这个复选框代表这份文件没有被标记，不会被挡，直接点就好
已经解压了，才回头对 zip 勾「解除锁定」没有用——标记早就盖到解压出来的文件上了。改用上面右边那条（对 3_安裝.bat 勾），或把文件夹删掉重新解压
弹出「打开文件 - 安全警告」按「运行」就好。只会问这一次，安装程序一跑起来就会把标记清掉
弹出蓝色的「Windows 已保护你的电脑」先按「更多信息」，再按「仍要运行」
警告窗口完全没有可以放行的按钮，信息里提到「智能应用控制」这是 Windows 11 的保护功能开成了强制模式，可以自己解（2026-09-19 笔记本电脑实测）：删掉已经解压的文件夹 → 对 zip 点右键 →「属性」→ 勾「解除锁定」→「确定」→ 重新解压，再双击 3_安裝.bat
警告窗口完全没有可以放行的按钮，信息里提到「管理员」「组策略」这台电脑被单位的信息政策管住了，自己绕不过去。请把那个窗口截图，连同 6_診斷.bat 的画面一起交给你们单位的信息人员
不建议改用「以管理员身份运行」

看起来比较快，其实不是：会多一个更吓人的确认窗口，单位管理的电脑通常根本按不过去； 而且如果是输入别人的管理员账号密码，密钥和桌面快捷方式会被存到那个账号底下，你自己登录时反而找不到。 照上面解除锁定就好。

拿到新版本要怎么更新？

把新的 zip 解压到同一个位置、覆盖旧的，再点一次 3_安裝.bat。你的逐字稿与字幕文件都在桌面，不会被动到。新的 zip 一样建议先解除锁定再解压。

想更省事：更新前把整个旧文件夹删掉，再解压新的——效果一样，而且最干净。

开会前先预热（强烈建议，可省 30 秒）

开会前先双击 6_診斷.bat，看完关掉，再开始使用。很久没用、直接打开功能 1／3／6 的话，按下 Enter 后要等 30～45 秒（在加载大型语音组件，画面会逐项显示进度，不是死机）；先运行过 6_診斷.bat 就只要约 3 秒（2026-09-21 一台笔记本电脑实测）。

顺便还能看到 Windows 的“智能应用控制”有没有正在拦截（那几行会显示 BLOCKED 而不是 OK）。预热效果只维持一段时间（实测间隔 8 分钟内仍有效），请在快开会时做，不要前一天做。

安装时说“证书错误”、软件包装不上

错误信息里如果看到 SSLError 或 certificate，代表公司或学校的防火墙在拦截连接，不是你操作错误，也不是程序坏掉。

安装向导会自动改用 Windows 证书存储区重试一次。还是不行的话，最快的解法是用手机开热点跑一次安装：电脑的 Wi-Fi 改连手机热点（插着网线要先拔掉），再点一次 3_安裝.bat，装完连回公司网络即可，手机上不用装任何东西。如果公司网络只挡下载软件包，装好之后就能照常用公司网络；如果使用时画面出现“凭证被拦截”，代表连 Google 的连接也被挡，需要请 IT 放行（安装用 pypi.org、files.pythonhosted.org；使用时连 generativelanguage.googleapis.com）。

申请密钥与开通付费

第一次使用前一定要做。申请密钥 2 分钟，设置付费 5～8 分钟。

  1. 打开 aistudio.google.com/apikey用你自己的 Google 账号登录，第一次会要你同意服务条款。
  2. 点“Create API key／创建 API 密钥”会生成一串长字符串 → 点复制。新申请的密钥以 AQ. 开头、约 53 个字符；较早申请的是 AIza 开头、约 39 个字符，两种都能用。
  3. 找到密钥所属的项目，点那一行的“Set up Billing／设置账单”按画面提示创建 Cloud Billing 账号（要填信用卡）。
  4. 新账号默认是预付制，先充值最低 US$5完成后那一行会从 Free 变成 Paid。充值 US$5 用逐字稿、实时字幕、实时双语字幕“准确模式”这类输出文字的功能，大约可以跑 8～10 小时；输出语音的功能（实时双语字幕“快速模式”、实时语音翻译）只够约 2.3 小时。
要拿来录真实会议，请务必开通付费层

这不是“建议”，是使用前提。免费层真的不扣款，但你发送的会议录音会被 Google 拿去改进产品，而且真人审阅者可能读到——这是写在服务条款里的。

校务会议谈的是人事、经费、审查意见、学生个人信息。只要是这类内容，就不该用免费层。

之后要换密钥、检查、或清掉：菜单按 9

菜单的 9“API 密钥设置”会先告诉你目前用的是哪一组（只露出头尾几个字），再让你选：

1 换一组新的密钥　2 检查目前这组是否有效（连 Google 确认，不花钱）　3 清除电脑里记住的密钥

贴密钥时画面会显示一排 *，这是故意的——不让密钥明文留在画面上。按 Enter 后会显示像 AQ.Ab…xyz9（共 53 字） 这样只露出头尾的确认，让你核对有没有贴对。

三个容易踩的地方

要注意的事为什么
余额归零，所有密钥同时停止挂在同一个账单账号底下的密钥会一起停。会议开到一半发生的话，字幕会直接停掉。建议开启自动充值并设每月上限。
每日额度在美西午夜重置换算台湾时间约下午 3～4 点，不是台湾的午夜。早上把额度用完，要等到当天下午才恢复。
额度算在“项目”上，不是密钥上同一个项目发好几把密钥给不同人，大家共用一份额度会互相挤占。每个人请用自己的 Google 账号创建自己的项目。
密钥等同你 Google 账号的密码

不要给别人、不要贴在群里。不小心贴出去的话，立刻去 AI Studio 建一把新的、停用旧的， 再打开 TIO 菜单按 9 → 1 贴上新的，问“要记住这组密钥，下次不用再贴吗？”时按 1“要”。不然下次打开程序，又会用回电脑里记住的旧密钥。

电脑要转手、还给单位或送修之前，请务必把密钥移掉：菜单按 9 → 3 清除， 或跑一次 7_解除安裝.bat。

六个功能

先看哪一个符合你的情况，再照着操作。不确定的话，最常用的是第 2 个。

开会当下 1 实时字幕 中文会议，边开边看 3 实时双语字幕 外语演讲，原文＋译文 6 实时语音翻译 外语演讲，耳朵听翻译 会后整理 2 影音转逐字稿 有讲者、有时间 4 转双语对照 要给外宾看的文件 5 重新排版（救援） 录好的文件
功能 2 生成的 .json 可以接到功能 4 翻译（不必重转，只付翻译的钱），也可以用功能 5 重做（完全不花钱）

1　会议实时字幕

开会的当下，想边开边看到字幕

  1. 按 1 → Enter
  2. 它问你要录哪种声音：
    1 线上会议（Teams／Meet／Zoom）— 录电脑扬声器放出来的声音，对方讲什么都收得到。准确地说，录的是 Windows 默认的播放设备，会议软件的扬声器要选同一个（见下方提醒）
    2 线下会议 — 录麦克风（会多问两个问题，见下方）
    3 两个都要 — 你人在线上会议，也想收到自己讲的话（会多问“用哪一支麦克风”）
  3. 它问专有名词 → 打“深耕计划 研发处 会计室”这种（“深耕计划”是台湾的计划名称），中间空一格。这步很重要，不填的话它会把“会计室”听成“会计师”
  4. 它问这场会议叫什么名字 → 随便打，或直接 Enter
  5. 按 Enter 开始
选了麦克风，会多问这两个问题

用哪一支麦克风？（电脑有两支以上麦克风才会问）1（直接 Enter）＝让程序自己选：跟着 Windows 默认，中途拔掉或插上耳麦会跟着换；选其他编号＝全程固定那一支：拔掉就停，插回去会自己接上。选“两个都要”又固定那一支时，拔掉耳麦只会停掉麦克风那一路，电脑播的声音照样会出字幕。

现场有没有扩音器放出来的声音要收？（只有选 2 线下会议才问）一般按 1；要收扩音器（扬声器）放出来的声音才按 2：完整收音，不经过 Windows 降噪，但不保证收得到，见混合会议。

多人会议不要用耳麦（它是贴着嘴巴设计的）：有会议用的外接麦克风就用它，没有就用笔记本电脑内置的麦克风。开始后约 6 秒，画面会出现“🎚 收音检查”，看得出声音有没有进到程序里，怎么看在这里。

[00:12] 好，那我们今天的研发处会议就开始了。
[00:19] 第一个案子是深耕计划的期中报告。
[00:24] 我这边补充一下，就是那个经费核

灰色的字＝还在识别中，会一直跳动修正，这是正常的。白色的字＝已经锁定的句子，一句话讲完就锁一句，不用等你停下来。

会议结束怎么停？在那个黑色窗口里按 Ctrl + C（Ctrl 键按住不放，再按 C）。

文件会保存到桌面，一次两个：.md 给人看、可以直接贴到 Word；.txt 是备份，万一电脑死机字幕都还在。

实时字幕分不出谁在讲话

这是 Google 目前的限制。需要标出“处长说”“秘书说”的话，请用下面的功能 2。

用 Teams 开会：扬声器要手动选 Windows 默认的那一个

选 1 线上会议时，程序录的是 Windows 默认的播放设备，所以会议软件的扬声器要选同一个。新版 Teams 没有跟随系统默认的选项（2026-09-19 一台笔记本电脑实测），要到 Teams 的设备设置，手动选 Windows 当前默认的那一个。选到别的设备的话，会整场录不到对方的声音。开始时画面上的“声音来源：…”就是正在录的那一个。

2　影音文件转逐字稿最常用

会议已经录好了，想变成有讲者、有时间的文字稿

  1. 按 2 → Enter
  2. 会弹出选文件的窗口 → 找到你的录音或录像文件（mp3、m4a、wav，或 mp4、webm（浏览器录的视频）这类录像文件都可以）
  3. 它问专有名词 → 打“深耕计划 研发处 会计室 教学组长”
  4. 它问讲者名字 → 按“谁先开口”的顺序打，例如“处长 秘书”（名字本身有空格，例如英文全名，就改用逗号隔开：“Chair Wang, Ms Li”）。不知道就直接 Enter，会变成“讲者1”“讲者2”。超过 28 分钟的录音会切段，名字只套用在第 1 段（见下方）
  5. 等它跑完。一小时的录音大约 1～3 分钟。

跑完会问你要不要打开来看，按 1 就会自动打开。文件在桌面，长这样：

**[00:00:00] 处长**

好，那我们今天的研发处会议就开始了。第一个案子是深耕计划的期中报告。

**[00:00:09] 秘书**

我这边补充一下，就是那个经费核销的期限已经延到10月31号了。
标题后面多了〔补转〕？

那一句是整理正文时漏掉、程序从原音把那一小段剪出来单独再转一次补回来的（用内置的示范文件跑，秘书这句就可能会有），文件头也会多一行写有几处。讲者和时间取自第一次识别，建议对照录音核对一下。补不回来的，文件头会写“可能不完整”并列出时段。

中文会议里有人讲英文（例如外宾致辞）

英文会照原文留在逐字稿里。但分讲者那一趟常听不到中文会议里的英文，所以那一段的讲者和时间可能不准（常被并到前一位讲者的段落里）。文件头会写“这 N 秒的录音里有声音，逐字稿却没有标到这段时间”，请对照录音听一下那段。（2026-09-25 自制会议实测：旧版在这种情况会把整段英文悄悄漏掉，文件头什么都没写。）

专有名词真的有用

实测不填的话，它会把“会计室”听成“会计师”、“深耕计划”写成“深耕计画”。填了就会自动修正。 建议固定填：深耕计划 研发处 教务处 会计室 教学组长 核销 期中报告

超过 28 分钟的录音会自动切成好几段

Google 官方文档写明：开启讲者分离和时间轴时，模型每次只处理 30 分钟的音频。 所以程序把长录音切成每段 28 分钟以内，留一点安全余量。

但切短不代表就不会出错。实测长录音会遇到两种状况： 某一段的中间整片没识别到（28 分钟的段落遇过），或正文被同一批话反复灌满（45 分钟和 28 分钟的段落都遇过）。 所以程序转完会自动检查六件事：某一段的中间有没有整片没识别到、两趟识别的产出量有没有严重对不上、正文有没有大量重复、 第一次识别有听到的话在整理后的正文里是不是不见了（不见的会先单独补转，标〔补转〕；补不回来才列出来）， 录音里有声音、逐字稿却没有标到的时段（连续有声音超过 10 秒、或没标到的时间里 30 秒内声音加起来有 6 秒以上才报；音乐、掌声也会被列出来，听一下就知道），以及段落的时间有没有互相重叠或倒退（同一段时间被放了两套内容时，那一带的讲者与时间可能对不上）。 有问题就在文件头和画面写明第几段、哪个时段，并告诉你把哪一段剪出来单独再转一次。

没有警语不等于一定没问题。已知检查不到的情况：很短的小缺口（连续不到 10 秒、30 秒内加起来也不到 6 秒）、声音很小（接近背景噪音）的讲话、整段被一个很长、字数又正常的段落盖住（超过 1 分钟却几乎没字的段落，会照样检查它的中间）、录音从头到尾都很吵、讲话没比背景大多少（例如一直有背景音乐或转播声；程序判断这项检查看不准时，文件头会另外写一行 ℹ️“这份录音几乎没有安静的时候…”，那一行只是说明、不算缺口）。重要的会议仍然要抽查。

每段各自判断讲者，跨段认不出是不是同一个人：第 2 段起的讲者写成“第2段讲者1”这种样子；你开始转写前填的讲者名字只套用在第 1 段（以前会按编号套用到每一段，第 2 段就可能张冠李戴）。要统一名字，用功能 5 看着每位讲者的第一句重新命名，同一个人在不同段可以填同一个名字。

2026-09-16 之前生成的长逐字稿，请重转一次

旧版没有现在这些完整性检查，出问题的时候完全不会讲。 实测一份 2 小时 57 分的会议：有一段的中间 14 分钟完全没识别到， 另一段的正文有九成是同一批话反复出现——两种都没有任何警告。

重转方式跟第一次一样：按 2 → 选同一个录音文件，然后看文件头有没有警语。 ⚠️ 要注意的是，分段切短并不能解决这两种问题（28 分钟的段落两种都遇过）， 真正的把关是那些检查；而且检查也有抓不到的情况，重要的会议仍然要抽查。

3　实时双语字幕

看外语演讲、或给中文演讲配外语字幕

  1. 按 3 → Enter
  2. 它问声音从哪来：1 电脑播出来的声音（YouTube、线上研讨会）／2 麦克风（现场有外宾演讲）／3 两者都要（线下＋线上的混合会议）／4 已经存好的音视频文件。选 2 或 3 会多问“用哪一支麦克风”，选 2 还会问“现场有没有扩音器的声音要收”（一般按 1），跟功能 1 一样
  3. 它问“要快，还是要准？”
    1 准（建议）：等整句讲完才翻，延迟约 2～3 秒，语序正常
    2 快：边听边翻，延迟约 1 秒，但语序偶尔会卡住
  4. 要翻成什么语言 → 1 繁体中文／2 日文／3 英文（讲者说什么语言不用先设定，程序会自己听出来）
[00:02] Thank you for joining today's session on research assessment.
　　　　谢谢大家参加今天的研究评估会议。

[00:22] First, a seed funding scheme for cross-disciplinary projects.
　　　　第一，建立一个种子基金计划，用于跨学科项目。

“快”跟“准”差在哪？同一句英文的实际输出

快（边听边翻）准（整句才翻）
译文我们大学已经增加了国际合作率 15%今年。本校的国际合作率今年提升了 15%。
延迟约 1 秒约 2～3 秒

“快”模式的语序问题不是显示太早造成的，是模型边听边翻、还没听到后半句就先翻了。要最高质量（可以慢慢等）的话，用下面的功能 4。

用“电脑播出来的声音”时，它会录到 Windows 默认播放设备当下播的所有声音

开始前请先把不相干的视频、音乐关掉，不然会混在一起。想完全避免这个问题，就用选项 4 直接读音视频文件。

线上会议时，会议软件的扬声器也要选这一个（新版 Teams 要手动选，见功能 1 的说明）。开始时画面上的“声音来源：…”就是正在录的那一个。

用麦克风收讲者说的中文、要翻成英文时，请选“准”

2026-09-19 笔记本电脑实测，这种情况“快”模式很不稳定：同一段话有时整段没有字幕，实测讲的内容只有 0%～19% 出现在字幕上；同一支麦克风改用“准”模式是 78%～97%（实测次数少，仅供参考）。读内置示例文件、录电脑播出来的新闻则正常；但把麦克风录下的讲话存成文件再读，一样不稳定。功能 6 用的就是“快”模式，所以也一样。

“快”模式的原文行，要等到句号、问号这类句尾标点、停顿 2.5 秒，或累积满 90 字才会出现。讲中文时，转录出来的句子多半用逗号，连续讲话时原文可能晚 20 秒以上才出现。这是显示方式造成的，不是模型慢。

4　逐字稿转双语对照要给外宾看的文件用这个

中文会议记录要给国际合作对象看、或国外研讨会录像要翻成中文

功能 3 实时字幕功能 4 这一个
什么时候用边听边看事后整理文件
翻译方式边听边翻，像现场口译整份一起翻，看得到上下文
质量语序偶尔怪好很多
  1. 按 4 → 选文件（录音文件、视频、逐字稿 .json、字幕 .srt 都可以）
  2. 选要翻成什么语言
  3. 固定译名（强烈建议）：写成 深耕计划=Higher Education Sprout Project，多组用分号 ; 隔开。这样专有名词全篇统一
  4. 这份文件的背景（选填）：例如“研发处深耕计划会议”，模型会翻得更贴切
  5. 讲者名字（选填）：填了生成的文件才会写“处长”而不是“讲者1”（翻成英文时没填的讲者会写 Speaker 1、日文写 話者1）。选 .json 时会先把每位讲者的第一句列出来让你对号入座；那份逐字稿在功能 2 已经填过名字的话，直接 Enter 就沿用那些名字

会生成四种文件（桌面上，同一个文件名开头）：

文件用途
_對照.md一段原文、一段译文，给人读的
_對照表.md表格（时间／讲者／原文／译文），方便贴进 Word 或 Excel
_en.md只有译文的干净版（翻成中文是 _zh-TW.md、日文是 _ja.md）
_對照.json机器格式，之后要重新排版或再翻别的语言时用得到

5　逐字稿重新排版出事的时候救命用

纯本地处理，不联网、不调用 API、完全不花钱，几秒就好

功能 2 每次转完，除了给人读的 .md，旁边都会留一个同名的 .json。那个 .json 存的是原始数据。这一个就是把它重新排成 .md。

情况没有这个的话有这个
转三小时的录音，转到一半死机整份重转，再花一次钱和时间选旁边的 .partial.json，把已转好的部分救回来
讲者名字填反了整份重转重填一次，10 秒解决
.md 被误删整份重转直接重做

它会先告诉你“这份有几段、几位讲者”，还会列出每位讲者的第一句话，让你对得出来谁是谁。填讲者名字时直接 Enter 的话：功能 2 当初填过名字的，就沿用那些名字；没填过的用“讲者1、讲者2”。

超过 28 分钟的录音：第 2 段起的讲者另外编号

功能 2 当初是切成好几段（每段 28 分钟以内）分别识别的，每一段的讲者各自判断，第 2 段起会列成“第2段讲者1”这种样子（跟第 1 段分开）。列出来的第一句话可以帮你认人：同一个人在不同段，就填同一个名字。

2026-09-25 之前转的长逐字稿，不同段之间的“讲者1”不保证是同一个人，这里分不出来。

6　实时语音翻译像戴口译耳机

外宾演讲、跨国线上会议、没有字幕的外语视频——不想一直盯着字幕，想直接用耳朵听中文

画面上照样会跑双语字幕（灰色是原文、蓝色是译文），结束一样存档。语音是多出来的，不是取代字幕。 也可以反过来翻成日文或英文（例如听中文演讲、要英文语音；讲者说什么语言不用先设定，程序会自己听出来）。

菜单上没有 6？

这个功能只有 LVT 版才有（目前公开下载的就是 LVT 版）。菜单只到 5 的话，你手上的是旧的原版，请到下载页重新下载。

先搞懂一件事：为什么要选“两条路线”

声音来源选“电脑播出来的声音”（Teams／Meet／Zoom／YouTube）时，程序录的是 Windows 默认播放设备正在播的声音。 所以“我不想听到原音”没办法用静音解决——一静音，程序也跟着录不到了。

唯一的办法，是让两种声音走两个不同的出口：原音送到一个你听不到的出口（程序照样录得到）， 口译语音送到你听得到的那一个。这样你只会听到翻译，两种声音不会叠在一起； 口译语音也不会被录回去、变成模型翻自己刚讲的话。

会议的声音 Teams・Zoom・YouTube ① 原音路线 你听不到 例：没插线的数字输出、虚拟音频线、 插着但不戴的耳机 TIO 录下来 → Google 同步口译 延迟约 1～2 秒 ② 口译路线 你听得到 例：耳机、扬声器 程序在这里录音 你只会听到 ② 不会两种声音叠在一起
开始时程序会自动把 Windows 的声音输出切到 ①，结束后自动切回来。会议软件的扬声器程序改不到，见下方提醒

我手边的设备，两条各选哪个？

你的情况① 原音路线（你听不到）② 口译路线（你听得到）
想戴耳机听口译（最像口译耳机）一个不会发出声音的出口：没插线的数字（光纤）输出、接在不会出声的显示器上的 HDMI，或虚拟音频线耳机（戴上）
想用扬声器听口译耳机（插着，但不要戴）扬声器
电脑装了虚拟音频线（例如免费的 VB-CABLE）虚拟音频线（它本来就不会发出声音，最稳）扬声器或耳机都可以
电脑只有一个声音出口这个模式开不了，程序会直接告诉你。接上耳机通常会多一条（耳机当 ①、扬声器当 ②，耳机不要戴上）：2026-09-19 一台笔记本电脑的有线耳机实测可以，蓝牙耳机还没测；有些电脑的扬声器和耳机是同一条，接了也不会多。插上后回到菜单再按 6，列表上多一条就能用。也可以装一条虚拟音频线（见上一行），或改用“麦克风”“音视频文件”当声音来源，那两种没有这个限制
程序说“查不到可以用的播放设备”可能是扬声器、耳机都没接上，或声音组件这一刻没有响应。接上之后按 Enter 回菜单，再按一次 6；还是不行，就把菜单窗口关掉重开

不确定哪一条听不到也没关系：选完程序会两条各播一声让你试听，听错了当场就能重选，不会等到开会才发现。

怎么用

  1. 菜单按 6 → Enter
  2. 声音从哪里来：1 电脑播出来的声音（Teams／Meet／Zoom／YouTube）／2 麦克风（现场有外宾演讲）／3 已经存好的音视频文件。选 2 时，电脑有两支以上麦克风的话，选完口译从哪里听之后还会问用哪一支麦克风（同功能 1）
  3. 选 1 的话，依次指定两条路线：先选 ① 原音走哪一条（你听不到的那条），再选 ② 口译语音从哪里听（你听得到的那条）。 列表上的名字就是 Windows 声音设置里的名字，例如“扬声器”“耳机”“数字输出”
  4. 试听：程序两条各播一声。第一声应该听不到、第二声应该听得到。 对了按 1；不对按 2 两条重新选；没听清楚按 3 再播一次
  5. 选 2 麦克风或 3 音视频文件的话，改问口译语音要从哪里听：选你戴着的耳机（列表会标出“目前的默认”）。程序试播一声，问“有从你要的地方听到吗？”：有按 1；没有按 2 重新选。电脑上可用的播放设备只剩一个时不会问哪一个：画面会用黄字说口译会从那一个出来、要用耳机听请先插上耳机再回菜单选 6；声音来源是麦克风的话，还会问“要继续吗？”（1 继续／0 回上一页，先去插耳机）。画面用黄字说“查不到播放设备列表”时也不会问，口译会从 Windows 默认的播放设备出来
  6. 要翻成什么语言：1 繁体中文（台湾）／2 日文／3 英文（讲者说什么语言不用先设定，程序会自己听出来）
  7. 给这场取个名字（直接 Enter 就用今天日期）→ 按 Enter 开始
这个模式需要两条路线，请分别指定：

① 原音（会议的声音）走哪一条？
这条你“不会”听到，只用来录音。请挑一个没接扬声器或耳机的输出，
例如没插线的数字输出；或是插着、但你不会戴上的耳机。
1 扬声器
2 耳机
3 数字输出
0 回上一页
3

② 口译语音要从哪里听？（这条你“要”听得到）
1 扬声器
2 耳机
0 重新选
2

【试听】两条各播一声，确认没有选反：
　① 原音路线“数字输出”… 这一声你应该“听不到”
　② 口译路线“耳机”… 这一声你应该“听得到”

1 对：第一声没听到、第二声听到了
2 不对，两条重新选
3 没听清楚，再播一次
0 回上一页

结果对吗？ 1

画面上的设备名称只是举例，你的电脑上会是你自己的设备名称。② 的列表不会出现你在 ① 选过的那一条，跟 ① 其实是同一个播放设备的也会排除；排除后一条都不剩时，程序会请你换一条原音路线。

选 2 麦克风时，画面是这样的（选 3 音视频文件时一样，只是没有“请选你戴在头上的耳机”那句提醒）：

口译语音要从哪里听？
请选你戴在头上的耳机。选扬声器的话，口译会被麦克风录回去，
模型会一直重复翻自己讲的话、停不下来，这段时间也一直在计费。

1 扬声器（目前的默认）
2 耳机
0 回上一页

2
　试听“耳机”… 应该听得到一声

1 有
2 没有，重新选
0 回上一页

有从你要的地方听到吗？ 1
声音来源要注意什么
电脑播出来的声音要指定两条路线（见上面），选完会试听验证。开始前先把不相干的视频、音乐关掉，它会录到 Windows 默认播放设备（开始后就是 ① 那一个）当下播的所有声音
麦克风请戴耳机，并在菜单上指定口译从那副耳机出来（选完会试播一声；电脑上可用的播放设备只剩一个时不会问哪一个，会先提醒你插耳机、问要不要继续）。选了扬声器的话，口译会被麦克风录回去，模型会一直重复翻、停不下来，这段时间也一直在计费，程序挡不住
已经存好的音视频文件没有这个问题。文件是直接读的，原音根本不会播出来，本来就只听得到翻译。一样会问口译要从哪里播（播放设备只剩一个时不问）
Teams／Zoom／Webex 的扬声器要另外设置，用完要改回来

会议软件有自己的扬声器设置，不一定跟着 Windows 走。

新版 Teams：开始前一律先进 Teams 的设备设置，把扬声器指定成 ① 那一个。它的扬声器列表没有跟随系统默认的选项，不会跟着程序切换（2026-09-19 实测）。没指定的话，原音不会进 ①，录不到就没有翻译。

Zoom／Webex：切好了还是听得到原音的话，进那个软件的音频设置，直接把扬声器指定成 ① 那一个。

Chrome 里的 Google Meet、YouTube 会跟着系统走，不用管。

用完（或中途停掉）要记得改回来。程序会把 Windows 改回原本的扬声器，但改不到会议软件。会议软件的扬声器如果指定成 ①，要自己改回你平常听的那一个，不然下一场会议会听不到声音。

① 那一个的音量不要拉到 0：有些电脑录到的音量会跟着它变小。实测调到 8% 仍然翻译正常，不必调大，这只是保险起见的建议。

结束怎么停？在黑色窗口里按 Ctrl + C。画面会先说“收到 Ctrl+C，正在收尾”，大约 3～5 秒保存好文件才结束。选“电脑播出来的声音”时，声音输出会自动切回你原本的扬声器，画面会写“声音输出已改回‘…’”，并提醒你把会议软件的扬声器改回来。你另外设过 Windows 的“默认通信设备”的话，也会各自改回。

选“电脑播出来的声音”时，万一改不回来，画面会用黄字写“没办法自动把声音输出改回原本的扬声器”：点任务栏右下角的扬声器图标，自己选回原本的扬声器；下次打开程序也会再试一次。死机或被强制关掉的话，回到菜单（或下次打开菜单）就会自动改回来。

会遇到的状况

状况原因
语音比讲者慢 1～2 秒同步口译本来就会落后讲者一点
讲者讲太快时，语音会跳过几句程序宁可跳，也不要让你的耳朵越落越后面。字幕是完整的，结束后看存档就好；画面最后会告诉你跳了几秒
声音忽男忽女、长停顿后音色变了模型本身的限制，Google 官方文档也写了：长停顿后声音可能改变，也可能根据开头的声音判错性别
每 8 分钟语音可能断半句程序每 8 分钟换一次连接，字幕不受影响
讲者对着麦克风说中文、要翻成英文时很不稳定，有时整段翻不出来跟功能 3“快”模式是同一个模型，见功能 3 的说明。这种情况改用功能 3 选“准”看字幕比较可靠

功能 6 固定走“快速模式”（Google 的同步口译模型），只有这个模式有语音可以播，一小时约 71 元，见费用。

混合会议（线下＋线上）怎么搭

主办单位常见的搭法是“一台电脑开线上会议、另一台接投影仪放字幕”。重点只有一个：线上与会者的声音，要从电脑里直接拿。

扬声器放出来的声音，麦克风几乎收不到

旧版说明建议“用字幕电脑的麦克风收会议室的扬声器”，2026-09-22 实测后证明站不住脚：Windows 的收音处理会把扬声器放出来的声音当成噪音删掉。笔记本电脑扬声器播一段会议录音，识别出 0 句；手机扬声器放在 2 米外，也是 0 句。同一个笔记本电脑内置麦克风收真人讲话，站 3 米都识别正常。

所以不要让线上的声音先从扬声器放出来、再用麦克风收回来。把扬声器音量调大也没用——声音是在麦克风那一端被删掉的。

做法 1：字幕电脑也加入线上会议，选“两者都要”建议

  1. 字幕电脑用浏览器或会议软件加入同一场会议，在会议软件里把自己的麦克风静音（免得现场声音再送一次到线上）
  2. TIO 选 3 两者都要：线上与会者的声音直接从电脑里拿（数字的，不经过空气），现场讲者用麦克风收
  3. 要投影字幕：把这台电脑的画面扩展到投影仪
!万一“同一句话出现两次”，就是扬声器的声音又被麦克风收了一次：戴耳机或把扬声器调小

做法 2：从会议室音响直接拉线（最稳，但要有设备）

  1. 会议室调音台／会议主机的录音输出（REC OUT、AUX、PROGRAM OUT）→ USB 声卡（录音接口） → 在 Windows 设成默认麦克风
  2. TIO 选 2 麦克风
!要取“回声消除之前”那一路；不要插笔记本电脑的耳麦孔（线路信号太大会破音）。不确定就请会议室的设备人员帮忙

做法 3：只能用麦克风收扩音器（备用，不保证）

  1. 选 2 麦克风，问“现场有没有扩音器放出来的声音要收”时选 2（完整收音：不经过 Windows 降噪）
!实测：笔记本电脑扬声器播会议录音，一般收音 0 句 → 完整收音 4 句（原文件 7 句）；手机小扬声器放 2 米，两种都 0 句。只能当备用，正式会议前一定要在现场试跑

现场讲者用哪支麦克风

开始后不要拔插耳麦

耳麦插头松了或拔掉，程序会自动接回，画面会出现“⚠ 麦克风中断了…”→“✓ 麦克风接回来了”；但中断的那几秒不会有字幕。电脑播的声音（线上会议、视频）也会自动接回：拔插耳麦时就算扬声器没被拔，录电脑声音的那一路也可能断一下，画面出现“⚠ 抓不到电脑播出的声音了…”，电脑声音约 1 秒就接回，稳定之后画面说“✓ 电脑声音接回来了”（通常再过约 1 秒）；功能 1、3 遇到 Windows 默认的播放设备跟着换了，会说“✓ 电脑声音改从这颗录：…”。V1.38 以前，这种扬声器没被拔、录音却断掉的情况不会自己接回，要按 Ctrl + C 重开。功能 6 的口译语音也会自动接回：画面出现“⚠ 口译语音断了…”→“✓ 口译语音接回来了”。口译从扬声器出来时会断一下、最多约 2～3 秒（就算扬声器没被拔，拔插耳麦也会让它断一下）；从耳机出来时，要等耳机插回去，插回后约 1 秒恢复。要换耳麦或扬声器，最保险的是先按 Ctrl + C 结束、再重开一次（字幕会存成两个文件）。

画面上的“🎚 收音检查”怎么看

开始后约 6 秒会出现一次，告诉你声音有没有进到程序里、以及会不会有字幕：

🎚 收音检查（声音有没有进到程序里）
　　麦克风　：▮▮▮▮▮▯▯▯　有收到声音（-45 dB，字幕出得来）
　　电脑声音：▯▯▯▯▯▯▯▯　电脑现在几乎没有在播（-95 dB，没有声音就不会有字幕）
看到这个意思要做什么
有收到声音音量够，识别得出来不用做什么
声音偏小字幕可能漏字、识别不准麦克风：移近讲者，或改用别的麦克风；电脑声音：把播放音量调大（见下方）
几乎没有声音不会有字幕检查麦克风、耳麦插头有没有松
电脑现在几乎没有在播电脑没在放声音（线上会议没开、或声音走到别的扬声器）确认线上会议的声音是从这台电脑播出来
没有收到数据设备可能被拔掉了插回去，程序会自动接回
正式会议前一定要先试跑

收音位置这种事纸上谈兵不准，一定要现场实测。在真正要用的那间会议室、用真正要用的那台电脑和麦克风，找一两个同事（一个在现场讲、一个从线上讲），开着字幕跑 10 分钟就好。

要确认的四件事不通过的话怎么办
现场讲者的话有没有被识别到麦克风往讲者方向移，或改用 USB 会议麦克风；不要用放在桌上的耳麦
线上与会者的话有没有被识别到改用做法 1（字幕电脑也加入会议、选“两者都要”）。调大扬声器音量没有用
有没有同一句出现两次这是回音，字幕电脑改戴耳机或把扬声器调小
字幕的字够不够大在字幕窗口按 Ctrl ＋ + 放大（可连按），Ctrl ＋ - 缩小。坐多远就要多大：字高（毫米）大约要“最远距离（米）× 9”

顺便把常用的专有名词先想好（单位名、计划名、常出席者的职称），正式会议时直接填进去，正确率差很多。开会前记得先预热。

要花多少钱

工具本身免费，费用是 Google 那边按用量计算的，算在你自己的 Google 账号上。

约 20 元转逐字稿 ／一小时
约 17 元实时字幕 ／一小时
约 18 元实时双语・准确 ／一小时
约 71 元实时双语・快速、实时语音翻译 ／一小时
约 16 元逐字稿转双语 ／一小时逐字稿
0 元重新排版（不联网）

单位为新台币，按 1 USD = 32 TWD 换算。充值 US$5（约 NT$160）大约可以用：输出文字的功能（①②③准确④）约 8～10 小时；输出语音的功能（③快速、⑥）只有约 2.3 小时。一个月开十场两小时的会：只用文字功能按 US$15 上下算；如果全程用语音翻译，要按 US$45 上下算。

🔴 实时双语字幕的“快速模式”比“准确模式”贵约 4 倍。快速模式用的是同步口译模型，输出的是翻译语音，而语音输出的单价是文字的 8 倍；准确模式走纯文字的转录＋翻译，所以便宜。选之前先想清楚要哪一种。功能 6 实时语音翻译用的就是快速模式那条连接，所以也是约 71 元。

每个功能用哪个模型、单价多少

工具本身不收费，你付的是 Google 的 API 用量，记在你自己的 Google 账号上。以下单价逐字取自 Google 官方定价页（2026-09-18 查；② 的对齐与 ④ 所用的 gemini-3.5-flash 为 2026-09-19 查）。“一小时”一栏多半是用官方的每分钟价换算；③准确的翻译部分是估算（一小时谈话的文字量小，占比不到 5%），② 的对齐是短录音实测后换算，④ 是 2026-09-19 实测（一份 60 分钟逐字稿实际翻过一次）。

功能用的模型输入单价输出单价一小时
① 会议实时字幕gemini-3.5-transcribe-live$3.50/1M（$0.005／分）$21.00/1M（$0.004／分・文字）NT$17
② 影音文件转逐字稿gemini-3.5-transcribe（跑两趟）＋ gemini-3.5-flash（对齐）$2.00/1M（$0.003／分）；对齐 $1.50/1M$12.00/1M（$0.002／分・文字）；对齐 $9.00/1M约 NT$20
③ 实时双语字幕・准确gemini-3.5-transcribe-live ＋ gemini-3.5-flash-lite同①＋$0.30/1M同①＋$2.50/1M约 NT$18
③ 实时双语字幕・快速gemini-3.5-live-translate-preview$3.50/1M（$0.0053／分）$21.00/1M（$0.0315／分・音频）NT$71
④ 逐字稿转双语对照gemini-3.5-flash$1.50/1M$9.00/1M（含思考 token）约 NT$16（每小时逐字稿，实测）
⑤ 逐字稿重新排版不调用任何模型——NT$0
⑥ 实时语音翻译gemini-3.5-live-translate-preview同③快速同③快速NT$71

看懂这张表只要一句话：贵不贵看“输出是文字还是语音”，不是看模型名字。①和③快速的输出单价都是 $21.00/1M，但前者输出文字（$0.004／分）、后者输出语音（$0.0315／分）。② 要跑两趟（第一趟拿讲者时间轴、第二趟拿繁体正文），所以单价乘以 2；两趟之后还要用 gemini-3.5-flash 把两份对齐，一般每小时多约 1～2 元。⑥ 与③快速是同一条连接，语音本来就会产生、也已经计费，所以播出来不另外收钱。④ 虽然只处理文字，但 gemini-3.5-flash 默认会先“思考”，思考用的 token 按输出价计费，实测约占输出的七成，所以一小时逐字稿要约 16 元。

使用注意事项

这一节请完整读过，尤其是要拿来录正式会议的话。

一、录音会离开你的电脑，请让与会者知情

转逐字稿时，录音会上传到 Google 的服务器处理，这是这类服务的运作方式，没办法避免。

本工具会在处理完后主动要求删除；转到一半把窗口关掉，程序会先把电脑里的临时录音和云端上的那份删掉才结束；电脑死机来不及删的，下一次转文件一开始会自动清掉（云端那份最晚 48 小时自动过期）。

但“录音会离开这台电脑”这件事本身，请事先让与会者知情。

二、免费层不可用于涉及个人信息或机密的会议
免费层付费层
费用不收费用多少算多少
录音会被拿去训练会不会
真人审阅者可能读到可能不会

✅ 免费层可以放心用：公开演讲、对外说明会、自己的测试录音
❌ 请先升级付费层再用：谈人事、经费、审查意见、有个人信息的会议

三、开发者实测的覆盖率

这是开发者自己拿中文素材实测的覆盖率，不是正确率，给你一个概念；正式用途请自己拿一段录音试。

Google 引擎功能覆盖率
transcribe-live功能 1 会议实时字幕98.1%
transcribe-live功能 3“准”原文97.9%
transcribe功能 2 影音文件转逐字稿99.9%
live-translate-preview功能 3“快”原文（功能 6 口译用同一个模型，没有另测）98.4%
flash功能 4 逐字稿转双语对照（译文）100%
flash-lite功能 3“准”（译文）100%

开发者实测，2026-09-26，V1.25～V1.27 程序。功能 1、3：同一段 9 分钟中文演示录音（语音合成、夹 6 句英文），按真实速度直接送进程序、不经扬声器和麦克风；功能 2：35.5 分钟三人模拟会议（语音合成）。前四行只算漏掉的字（先把简体转成繁体再比），数字另外核对（功能 1 14/16、3“准”16/16、3“快”15/16）；后两行看的是每段有没有翻出来（功能 4 21/21 段、3“准”76/76 句）。素材是语音合成，比真人会议单纯；各功能只测 1 次，不宜据此排名。真人对着笔记本电脑的麦克风念稿（功能 1）：50 厘米 96.7%、2 米 92.5%。

四、已知的限制（不是故障，是现阶段做不到的事）
限制怎么绕过
实时字幕分不出讲者需要标讲者就用功能 2
功能 3 选“快”或用功能 6、讲中文翻外语时，原文偶尔整段是简体（约三场遇到一次，译文不受影响）已实测 29 次连接确认无解，这是模型端行为。需要那份原文的话，把 .txt 贴到任何简繁转换网站转一次，或改用功能 3 的“准”模式（功能 6 没有“准”模式可换）
功能 3 选“准”又选“翻成繁体中文”，但讲者讲的是中文时，原文会是简体（例如混合会议现场的人讲中文；2026-09-19 实测 1 次）译文仍是繁体，只是等于把中文改写一遍。需要那份原文的话，把 .txt 贴到简繁转换网站转一次
功能 3 选“快”或用功能 6，讲者对着麦克风说中文、要翻成英文时很不稳定（同一段话有时整段翻不出来；2026-09-19 笔记本电脑实测）改用功能 3 选“准”看字幕比较可靠
超过 28 分钟的录音会切段，跨段认不出是不是同一位讲者第 2 段起的讲者会标成“第2段讲者1”，转写前填的名字只套用在第 1 段。用功能 5 看着每位讲者的第一句，把同一个人填成同一个名字
中文会议里的英文发言，讲者和时间可能不准（常被并到前一位讲者的段落里）英文会照原文留下；文件头会列出“录音里有声音、逐字稿却没有标到”的时段，对照录音听一下那段
功能 6 录“电脑播出的声音”时，需要两个声音出口接上耳机通常会多一条（有线耳机一台笔记本电脑实测可以，蓝牙耳机还没测）或装虚拟音频线；或改用麦克风、音视频文件当声音来源
功能 6 的语音偶尔忽男忽女、讲太快时会跳过几句忽男忽女是 Google 模型本身的限制；跳过几句是程序故意的，免得你的耳朵越落越后面。字幕是完整的，正式内容以存档为准
只支持 Windows录“电脑播出的声音”用的是 Windows 专属技术，Mac／Linux 无法
五、逐字稿是草稿，不是会议记录

识别再准也会有错字、也不理解会议的脉络。正式的会议记录请务必人工校对过再发出，尤其是金额、日期、人名、决议文字。

六、使用须知与免责声明
  1. 本工具由 CY KUO 个人独立开发，以 MIT 授权免费提供，不代表任何机构或单位。授权全文见压缩包里的 LICENSE（以英文原文为准）。
  2. 语音识别与翻译由 Google Gemini 生成，可能听错、漏字或翻错。逐字稿是草稿，正式记录请人工校对后再使用。
  3. 使用时，录音会送到 Google 的服务器（境外云端）处理，数据如何处理依 Google 的服务条款。涉及个人信息或机密的会议，请先开通付费层。
  4. 使用费用由 Google 依用量计算，记在你自己的 Google 账号；本工具不经手任何资金。建议在 Google AI Studio 设置每月花费上限。
  5. 录音与转写前，请自行确认符合相关法令与单位规定，并事先告知与会者。
  6. 开发者MIT授权，亦不做任何保证，请自行判断使用并自行负责，开发者不负赔偿责任。
  7. Google、Gemini、Windows 等名称是各公司的商标，本工具与这些公司没有合作、赞助或背书关系。
  8. 本说明内容仅供参考：费用依 Google 官方定价换算，实际金额以 Google 公告与你的账单为准；实测数字是开发者在特定条件下的结果，不代表你的使用情境。

出问题怎么办

先看这张表。找不到答案的话，双击 6_診斷.bat，把整个窗口截图反馈。

状况怎么处理
点了之后有个窗口闪一下就不见，接着出现菜单这是正常的。程序会另开一个窗口放菜单，自己的窗口随即关掉
按下 Enter 之后画面停住好几十秒，像死机了没死机，是在加载语音组件，很久没用时要从硬盘重新读进来。画面会逐项显示进度（例如 · 語音處理元件（scipy）… ✓ 27.2 秒），看得到就是正常的。开会前先预热可以避免
刚装好就用功能 1／3／6，画面说“载不起语音处理组件（scipy）”Windows 11 的智能应用控制会先拦下刚装好、还没有云端信誉的组件（2026-09-20 一台笔记本电脑实测遇到）。等几分钟再试一次就好，它通常会自己放行。想确认的话双击 6_診斷.bat，看那几行是 BLOCKED 还是 OK，等变回 OK 再用。功能 5 不联网也不用那些组件，这段时间照样可以用
字幕都没出现检查电脑有没有在放声音；线上会议记得选 1 不是 2。会议软件的扬声器要选 Windows 默认的播放设备：新版 Teams 没有跟随系统默认的选项，要在 Teams 的设备设置手动选同一个（2026-09-19 一台笔记本电脑实测）。开始时画面上的“声音来源：…”就是正在录的那一个。功能 6 例外：选“电脑播出来的声音”时，会议软件的扬声器要选你在菜单上指定的 ① 那一个，不是平常的 Windows 默认
选了麦克风，程序说“没有可用的声音来源”就结束这台电脑没接麦克风，或 Windows 隐私设置挡住了（设置 → 隐私和安全性 → 麦克风）
插着耳机时选“麦克风”，收到的是哪一支？有些电脑插上带麦克风的耳机（耳麦）时，会自动改用耳机上的麦克风（例如只有一个耳麦二合一插孔的笔记本电脑），拔掉才改回电脑的麦克风（2026-09-19 一台笔记本电脑实测）。耳机插着却没戴时，收到的是挂在一旁的耳机麦克风：把耳机拔掉，或到“设置 → 系统 → 声音 → 输入”改回电脑的麦克风。开始时画面会显示收的是哪一支（“麦克风：…”那一行）。电脑有两支以上麦克风时，菜单会问“用哪一支麦克风”，也可以直接选电脑内置的那一支
逐字稿的文件头写“可能不完整”有六种原因：① 录音后段没识别到内容（静音、音乐、噪音）② 同一段话大量重复时，被整理掉了 ③ 某一段出状况：那一段的后面或中间整片没识别到、两次识别的结果对不上，或正文被同一批话反复灌满 ④ 第一次识别有听到的某句话，整理后的正文里没有、单独补转也没补回来（文件头会写时段和讲者）⑤ 录音里有声音、逐字稿却没有标到那段时间（连续超过 10 秒、或 30 秒内加起来 6 秒以上；常见是中文会议里的英文发言、音乐或掌声，文件头会写时段；录音从头到尾都很吵、讲话没比背景大多少时，这项检查看不准，文件头会另外写一行 ℹ️ 说明，那一行不算缺口）⑥ 段落的时间互相重叠或倒退（常见于很长、夹杂多种语言的录音；文件头会写时段，那一带请对照录音听）。 ①②和“某一段后面没内容”时，文件头会写识别到第几分钟；其他情况，文件头会写是第几段、哪个时段出问题。需要那一段的话，把它另外剪出来再转一次（②③④ 的文件头另外有写建议怎么剪）。如果是某一段的后面或中间没识别到，剪出来转得出内容就是被跳过了，真的没人讲话的话结果会是空的。 标注为重复的部分不是真的讲了那么多次，不要照字引用。
转文件到一半关掉窗口程序会先删掉临时录音和云端那份才结束。超过 28 分钟的录音已整段转完的部分留在 .partial.json，用功能 5 救回；28 分钟以内是一整段处理，识别中途关掉就只能整份重转。那一段全部跑完之后才出问题（例如写文件失败）仍会留下 .partial.json，所以还是先看一眼桌面有没有这个文件
转文件或翻译到一半网络断了网络整个断掉时（例如 Wi-Fi 断线），程序会自己等网络回来：每 20 秒再试一次，最多等 5 分钟，网络一回来就接着做，画面会显示“网络回来了”；网络只是不稳、断一下就好的，照旧重试几次。等了 5 分钟还没回来：转文件会停下来，超过 28 分钟的录音已经整段转完的部分照样做成逐字稿（文件头列出缺哪几段），28 分钟以内的录音（或第一段就断）没有产出，网络好了要整份重转；例外是断在“讲者分段”那一步会改用估算、照样做完，断在“补转”那一步会跳过、写进文件头。翻译会停下来，已经翻好的照样存档，没翻到的段落会标出来（等网络时按 Ctrl+C 结束也一样；一段都还没翻好时按 Ctrl+C 不会留下文件）。翻译的输入是录音文件时，转逐字稿和翻译两个步骤各自最多等 5 分钟
同一句话出现两次混合会议的回音：开会电脑的扬声器和麦克风互相收到了，改戴耳机
现场讲者收得到、线上的人收不到线上的人要从电脑里直接拿：字幕电脑也加入会议、选“两者都要”（见混合会议的做法 1）。调大扬声器音量没有用
字幕的字太小在字幕窗口按 Ctrl ＋ + 放大（可连按），Ctrl ＋ - 缩小；开始时画面上也有这行提示。Ctrl ＋ 0 是官方的“还原字号”键，但会跟台湾常用的“自然输入法”冲突，所以不教
字幕突然停了（耳麦插头松了、拔插过）程序会自动接回并显示“✓ 麦克风接回来了”或“✓ 电脑声音接回来了”（换成录别的设备时是“✓ 电脑声音改从这颗录：…”）；如果一直没出现，按 Ctrl+C 结束再重开（已经出来的字幕都有保存）
中文变成方块或乱码改用“Windows Terminal”打开（任务栏搜索 Terminal），旧版命令提示符对中文字体支持较差
逐字稿里有一段只写“（整理后的逐字稿略去了这段）”通常是那位讲者整场只说了“嗯”“对”这类附和。留着这一行是为了让你填的讲者名字不会整排错位
文件夹删不掉，说要系统管理员权限几乎都不是权限问题。① 关掉资源管理器里开着这个文件夹的窗口 ② 重启后先删它 ③ 还不行才双击 8_刪不掉時救援.bat
密钥贴错、过期，或想换一组菜单按 9“API 密钥设置”：可以换一组、检查目前这组是否有效、或清除电脑里记住的密钥
画面说“API 密钥有问题”实时字幕先按 Ctrl+C 结束，回到菜单按 9 检查或换一组。转逐字稿、翻译没有成功时，菜单会自己问 Google 一次，确定是密钥坏了就直接问你要不要换
画面说“Google 项目这个月的花费上限到了”不是网络问题：这个 Google 项目本月的花费到了你在 AI Studio 设的上限，Google 会暂停到下个月 1 号。要马上恢复：到 aistudio.google.com 左边的 Spend → Monthly spend cap → Edit spend cap 调高上限（要有这个项目的所有者或编辑者权限；调高后若还连不上，等几分钟再试）。实时字幕会自己接上，转逐字稿、翻译做到一半的那一份要重跑
功能 6 进行中，耳机／扬声器完全没有翻译语音先确认画面开头那行“🔊 翻译语音将从‘⋯’播出”写的是不是你现在戴着、或正在听的那一个。不是的话，回菜单重跑功能 6，在“口译语音要从哪里听”改选对的设备；是的话，把那个设备的音量调大、或在 Windows 右下角扬声器图标里确认它没有被静音。结束时画面会说“共送出约 N 秒到‘⋯’”——那是送进设备的量，不保证你听得到，所以这行有数字不代表设备没问题
功能 6 用麦克风时，讲完之后字幕一直重复同一句、停不下来口译语音从扬声器放出来、被麦克风录回去了，模型就一直重复翻自己的声音，这段时间也一直在计费。先按 Ctrl+C 结束；戴上耳机，在“口译语音要从哪里听”选你戴着的那副耳机，再重新开始
用完功能 6，扬声器没有声音正常结束、按 Ctrl+C、按窗口的 X 都会自动改回原本的扬声器。万一死机或被任务管理器关掉，回到菜单（或下次打开菜单）就会自动改回来；等不及的话，点右下角扬声器图标自己选回原本的扬声器。会议软件（Teams／Zoom／Webex）的扬声器如果照说明指定成 ①，程序改不到，要自己改回来
功能 6 切好了，还是听得到原音会议软件（Teams／Zoom／Webex）有自己的扬声器设置。进它的音频设置，直接把扬声器指定成 ① 那一个；新版 Teams 没有跟随系统默认的选项，开始前就要先指定。用完记得改回你平常听的那一个
功能 6（或功能 3 选“快”）按了 Ctrl+C 还在跑会先显示“收到 Ctrl+C，正在收尾”，大约 3～5 秒保存好文件才结束。这时按窗口右上角的 X 也能结束，但整理好的 .md 不会生成（逐字的 .txt 还在），菜单也会一起关掉；功能 6 的声音输出一样会自动改回来
想知道到底哪里出问题双击 6_診斷.bat，它会列出 Python、软件包、ffmpeg、密钥、文件是否齐全，也会实际找一次麦克风和电脑声音的录音设备、各打开一下再关（不会保存任何声音），截图反馈即可

不想用了？怎么卸载

双击 7_解除安裝.bat，会弹出窗口把可以移除的东西逐项列出来让你自己勾，没打勾的完全不会动。按“开始移除”之前，还会把实际要执行的每一个动作列成清单让你看过。

默认帮你勾好

✓你的 Gemini API 密钥（最重要）
✓临时的会议录音（程序被强制关掉时会留下；没有残留时这一项不能勾）
✓桌面快捷方式
✓只有这个工具在用的软件包（已经没装的不会列出来）
✓功能 6 留下的声音输出记录（只记“口译结束后要把声音输出改回哪一个”；上次口译没有正常结束的话，会先帮你把声音输出改回原本那个再删）

默认不勾（别的程序可能也在用）

!numpy、scipy
!ffmpeg
!Python 本身、整个程序文件夹
你做出来的文件完全不会被删

桌面上那些 .md／.txt／.json 是你的数据，卸载程序碰都不会碰。