近期在B站看到有一个直播间的实时字幕翻译非常准确，看得出翻译是接入了大模型，且有上下文联想一类的，本人也在站内寻找过各种实时字幕的解决方案，但都感觉效果没有这个直播间的好。希望有懂的佬友指点一下。
直播间链接：建立圣奈王国 - 結城さくな的洋葱港 - 哔哩哔哩直播，二次元弹幕直播平台
截图：
可以看到，翻译出来的句子还有感情符号，基本都是很精准的
已经尝试过询问这个UP了，没有回复。
可以看到，翻译出来的句子还有感情符号，基本都是很精准的
直接问主包不就行了 费嫩大劲猜。
上面写了已经私信问了，没有回复，我肯定是能找的办法都找了没法才过来问的啦
这是转播啊 根本不能算实所谓的实时吧
豆包？我记得豆包不就有实时翻译的功能来着？
这个能看得出来是实时出的，Vtuber讲完过一会儿才有文字
豆包只支持中英文，不可能是豆包（）
你没懂我意思 我为什么不能先接管视频流处理了再推B站呢
我都有视频流了我还先推流再听译怕是有点蠢
没懂佬的意思？我想找的是这个主播用的实时翻译服务呀，视频流怎么处理和这个没关吧
google/gemini-3.5-transcribe-live 这种实时转录模型再凑句翻译呗
不用专用的转录模型，直接把音频流发送给普通的gemini模型翻译也可以
感觉 Soniox + 上下文 + 热词能做到类似效果，延迟也没什么问题，翻译可以不用他的单独接一个 LLM
本地的话之前看有人用 Qwen ASR + Hy MT 也有相当好的效果，就是断句一般
Gemini 3.5 Live Translate测过了的，用GitHub上一个项目测的，日语拉完了，应该就是直接发送音频的那种，不太行
Soniox的也试了，用DeLive这个项目，翻译准确度差很多
看了一会，感觉这个速度这个准确度真的有点东西啊
我看了会，很多都翻译有问题，其实半斤八两
是啊，感觉比我找的几个实时翻译都好
主要是他翻译的句子通顺一点，我用LiveTranslate这个项目就是不知道怎么加上下文进去
那可能是先转录为日语，然后再调用普通的模型加点上下文翻译。或者直接发送音频和上下文调用gemini模型，比如3.8f
我看它翻译的语句很通顺，但是还是有不少原语句就识别错了
Soniox翻译不太行，转录拿来自己接LLM比较好，应该有人造了类似轮子
我其实有一个但太简陋了