参与一场你听不见的会议

一场会议有两半，而大多数无障碍工具只解决了其中一半。

第一半是跟上它。字幕多少能做到这件事：有东西把音频转成文字，你去读。第二半是回应它。这一半通常被丢给聊天框——你打字，然后指望在十一个人同时说话的时候，正好有谁在看侧边栏。你的发言无声地抵达，顺序错位，而且往往是在它本该出现的那个时刻已经关闭之后。

Gaavala 补上了第二半。你用实时翻译字幕读这场会议，而当你有话要说时，你把它打出来——一个合成语音会把它讲进通话里，出声地，讲在对话真正发生的那个地方。其他参会者听到的是一句话，而不是一条通知。

这篇文章是关于它如何运作的诚实版本：机制、它需要的全部条件，以及那些还不存在的部分。

阅读的那一半

这是 Gaavala 本来就为所有人做的事，和一位听得见的用户为了翻译而得到的，是同一套机器。

扩展程序捕获会议标签页的音频，把它流式传输给一个语音转文字引擎，引擎在人们说话的同时返回转录文本。这份文本落在两个地方：侧边面板，作为一份带时间戳和语言标记、不断滚动的双语记录；以及会议画面之上的一层悬浮图层，这样你就不必为了读字而把视线从人脸上移开。

有两个细节，对一位聋人读者的意义远大于对一位翻译读者：

说话人被分开，并且被着色。 Gaavala 会检测是谁在说话，并在覆盖层、侧边面板和你的导出文件中为每个声音分配一个固定的颜色。你可以在会议进行中把“Speaker 2”改成一个真实姓名，每一个界面都会同步更新。在一场四个人快速交替的对话里，这就是“一场对话”与“一堵文字墙”之间的差别。

更新的行在视觉上更强。 在覆盖层中，新出现的行以全亮度落下，旧的行逐渐淡去，于是你的眼睛不必搜寻就能找到当前这一句。

字幕并不是按功能被 Pro 锁住的——免费额度是 5 分钟，终身仅一次，那是一次试用，不是一个方案。要读完一场真实的会议，意味着 Pro。

回应的那一半

字幕下面有一个文本框。

你输入一句话，按下 Speak——Ctrl+Enter，在 Mac 上是 ⌘+Enter，效果相同。单独按 Enter 是换行，所以你可以在发送之前写下不止一句话。每次最多 500 个字符，并带有一个计数器；超出上限时，发送按钮会变为禁用，而不是悄悄截断你写下的内容。

如果你输入所用的语言与你的 Speak 语言不同，Gaavala 会先翻译这条消息，然后再把它说出来。所以你可以用土耳其语输入，而被人用英语听见；也可以用英语输入，而被人用日语听见。

发声的是 Gaavala 的录音室音色之一，或者是用大约两分钟录音构建出的、你自己的声音克隆。如果你的声音在别处出现过——一段视频，一段更早的录音——那么克隆意味着房间里听到的是某种可辨认为你的东西，而不是一个通用预设。

在第一条消息还在播放时发送第二条，它会排在后面。每条消息都用文字而不是仅用颜色显示自己的状态：已排队、正在朗读、已朗读、已取消、部分朗读、失败。任何仍在排队或正在播放的内容，都可以用一个按钮停下。

你不会听到自己的消息。它进入的是会议，而不是你的扬声器——这对大多数用户只是一个细节，而对你来说，正是那些状态标签必须被写成文字的全部理由。

这需要什么

在决定 Gaavala 是否帮得上你之前，这一节是必须读的。

你会议应用的麦克风必须开着，而且你必须在那里处于取消静音状态

这是本页上最重要的一句话，也是最可能被误读的一句。

Gaavala 从不打开你的麦克风。它不会对你启动任何录音，也不会对你运行任何语音转文字。凡是你没有打出来的东西，都不会被采集。

但它同样不会新建一条音频通道。它发声的方式，是接管你的会议应用已经在发送的那一路音频——也就是你加入会议时 Teams、Meet、Webex 或 Zoom 打开的那条外发通道。所以那条通道必须存在，而且必须是活的。具体来说：

如果你在 Teams 里被静音，Gaavala 会拒绝这条消息，并在发送之前请你先取消静音。如果你的设备上根本没有麦克风，这项功能对你就无法工作。

我们把这件事说得如此直白，是因为相反的说法——“无需麦克风也能说话”——写起来很容易，被发现时却很残酷。把它完整地说一遍：Speak Text 不是一项无需麦克风的功能；Gaavala 从不打开你自己的麦克风，但它借用的是你的会议应用已经打开的那条麦克风通道，所以那条通道必须存在、必须是活的，而且你在会议里必须处于取消静音的状态。

一个 Pro 套餐

打字消息属于 Speak 的一部分，而 Speak 属于 Pro。那份一次性的 5 分钟免费额度只覆盖实时字幕，其中完全不包含打字发声，所以它并不能用来体验产品的这一半。Pro 是每月 $19.99，每天 120 分钟。

Gaavala 自己的音色之一

打字发声运行在 Gaavala 的录音室音色上，或者运行在一个个人克隆上。如果你为 Speak 改为接入了自己的 ElevenLabs 密钥，消息框会被禁用，并提供一键切回的入口。

跨语言消息需要 Chrome 138 或更新版本

翻译你打出的消息，发生在你自己的机器上，用的是 Chrome 内置的设备端翻译器。如果它不可用，或者它没有你需要的那个语言对，Gaavala 会拒绝这条消息并如实告诉你——它绝不会把你未经翻译的原文说出来，再把它当作译文呈现。一条本来就是你 Speak 语言的消息，不需要任何额外条件。

一场开在浏览器标签页里的会议

Microsoft Teams、Google Meet、Cisco Webex 和 Zoom，都需要在 Chromium 桌面浏览器中通过它们的网页客户端加入。桌面版会议应用不在一个浏览器扩展的可及范围内。特别是在 Zoom 上，这个标签页必须是在 Gaavala 已经运行的情况下打开的，否则 Speak 会请你重新加载它。

Gaavala 无法告诉你的事

它无法确认有人听见了你。 Gaavala 知道自己什么时候把你这条消息的音频发送完毕，它会把那条消息标记为“已朗读”。那和送达不是一回事，而且不存在任何一个平台能让我们确认送达。我们宁愿你知道这一点，也不愿你从一个我们给不出的确认中做出推断。

我们唯一拥有的那个警告，范围很窄。 在 Microsoft Teams 上，如果你的消息正在播放时会议麦克风被静音，那条消息会被标记为“可能未送达”。在 Google Meet、Webex 和 Zoom 上，不会出现这样的警告。而没有警告，并不能作为消息已经抵达的证据。

会议的静音按钮在各处的行为并不相同。 在 Microsoft Teams 上，在那里把自己静音，Gaavala 的输出会随你一起静音。在 Google Meet 和 Cisco Webex 上则不会——这些客户端出于自身音频处理的需要，会不断地重建麦克风轨道，而镜像这种状态会把你的话拦腰截断，所以 Gaavala 刻意不去镜像它。在 Zoom 上，静音发生在 Zoom 自己的编码器内部，Gaavala 读不到它。在这三个平台上，能可靠停止 Speak 的那个控件，是 Gaavala 面板里的那一个。

打字消息不在记录里。 它们不会被写进 Gaavala 的转录稿、它的 TXT/SRT/JSON 导出，也不会进入它的设备端 AI 摘要。如果你靠打字参与一场会议，你的发言就会缺席于那份记录，而出声说话的同事都在那份记录里。这是一处缺口，不是一项隐私特性；我们主动点明它，是因为否则总会有人在一份不包含自己那条的行动项清单里发现它。

阅读和发声共用一份预算。 Pro 是每天 120 分钟的一份额度，它同时覆盖你读的实时字幕和你打出的那些消息。

我们为什么做了打字的那一半

诚实的答案是，它最初并不是从这里出发的。Speak 存在，是为了让一个不共享房间语言的人能够在房间里被听见。而一个文本输入框，是处理那些“出声说话不太方便”的情形的显而易见的做法——一间共享办公室、一个吵闹的房间、一句你想一字不差说对的话。

在把它做出来的过程中逐渐清楚的是：“把它打出来，然后在房间里被听见”对大多数人是一种便利，对一部分人却是一种必需。对一位聋人参会者来说，它是会议里缺失的那一半：字幕已经让你跟得上，而这让你能在其他所有人正在使用的同一条通道里、在它重要的那个时刻回应它，而不是在一个也许稍后会有人读的侧边栏里。

目前的状态

Gaavala 尚未上架 Chrome Web Store。本页上没有安装链接，任何提供了安装链接的更早文章都已过时——那个商店条目并未公开。

如果这正是你遇到的问题，加入候补名单，上线当天我们就会把安装链接发给你。一封邮件，一键退订，别无其他。

如果你以前试过这类工具，而它们以某种具体的方式辜负了你，我们真心希望听到是哪一种方式。写信到 support@gaavala.com。

更多 Gaavala 指南