Gaavala 上架 Chrome Web Store 时，你将第一时间收到消息。 加入候补名单
Speak Mode 发布：在会议中替你开口的 AI 语音翻译
Gaavala 的 Speak Mode 会翻译你的话，并用合成声音在浏览器会议中播放一个选定的目标语言，需要 Pro。简短发言时按住 Speak，连续发言时轻点开启免按窗口。本指南说明设置、声音选项和播放限制。
Speak Mode 究竟做什么
Speak Mode 不是叠在转录稿之上的一条配音轨。它是一条实时的双向语音管线，与既有的 Gaavala 转录流程并肩运行。
当你在会议中激活它时，你的浏览器内部会发生以下事情：
- 你的麦克风音频被扩展程序采集——与 Gaavala 为传入侧已经采集的标签页音频分开。
- 这段麦克风音频通过 WebSocket 直接流向 Soniox 做语音转文字。这与 Gaavala 其余部分使用的是同一套直连 Soniox 的模式——你的麦克风音频从不接触我们的后端。
- 当 Soniox 用你的源语言输出已提交的 token 时，扩展程序把它们批成短句，并把文本送入 Gaavala 的翻译步骤，翻成你配置的目标语言。
- Soniox 使用你选择的录音室音色或你自己的克隆声音，将翻译后的文本合成为语音。
- 这段语音被送进通话，取代你外发的麦克风音轨，因此所有人听到的翻译语音就像出自你本人。没有虚拟麦克风设备需要安装，会议应用的音频设置里也没有什么需要选择——而且在翻译语音播放期间，你真实的麦克风处于静音状态，通话不会同时听到两者。
一个读取手势的按钮
真实的会议各不相同，所以当你甩出一句话的回答，和当你带着别人过一页幻灯片时，Speak Mode 必须有不同的行为。大多数工具用一个模式选择器来解决这件事，而且要你在需要它之前就设好——这意味着当你需要另一种模式的那一刻，你正处在错的那一个里。
Gaavala 没有模式选择器。只有一个 Speak 按钮，它读的是你按它的方式。
按住它
按住按钮，你就只在按住期间说话。松开，管线干净地关闭。这是对讲机式的手势，也是安全的那一个：你绝不会误播出一句旁白、一声咳嗽，或者一段自言自语的思考。对于快速插话、对于精度胜过流畅的高风险通话，以及对于任何你的麦克风可能收到你并不想翻译的人声的房间，这都是正确的直觉。
按住也可以从键盘完成——按下并保持空格键约三分之一秒，它的行为与按住按钮完全一样。
需要简短、主动发言时，可参照按住说话指南，了解按住、松开和键盘操作如何配合会议节奏。
轻点它
改为轻点按钮，它会打开一个 60 秒的免提窗口。一个圆环以分秒为单位为这个窗口倒计时，并在最后十秒转为琥珀色，因此你不用盯着时钟也始终知道自己的发言时间还剩多少。自然地说；Gaavala 会边听边逐句翻译并发声，你什么都不用碰。
连续两次快速轻点则改为打开一个 30 秒窗口——对一个简短的、准备好的观点来说，这是诚实的长度。窗口运行期间再轻点一次，它会提前停止；否则它会在归零时自行结束。
为什么这是一个控件而不是两个
你已经做出的那个手势，本身就编码了意图。按住意味着“就这一下”，轻点意味着“给我一段时间”。没有什么需要提前配置，当那一刻到来时没有什么处在错误的模式里，也没有热键需要绑定或记住。人们喜欢 push-to-talk 的那条安全性质——除非你有意为之，否则没有东西离开房间——在按住这个手势上依然完全成立。
声音：68 种录音室预设，以及你自己的
Speak Mode 给你两种方式来选择会议听到的声音，无论选哪种声音，都能说 Gaavala 翻译的全部 60 种语言。
68 种 Soniox 录音室音色（Pro 默认）
Soniox 录音室音色是 Pro 上的默认项，也是大多数人从来不需要更改的那一个：68 种多语言预设，跨语言地说 Gaavala 翻译的全部 60 种语言，使用托管密钥——没有什么需要设置。合成走浏览器直连 Soniox，使用与字幕相同的短时效密钥模式，因此翻译后的文本从不经过 Gaavala 的后端。
你自己的声音（原生克隆）
在侧边面板中用自己的声音朗读一次两分钟的文本，Gaavala 就会构建一个个人声音克隆——由 Soniox 驱动——它能说与录音室音色相同的 60 种语言，只不过用的是你自己的音色，而不是一个预设。参考样本以加密形式存储，你可以随时在同一个设置界面中删除它；你的会议音频本身从不被存储，无论是在这项功能上，还是在 Gaavala 的任何其他地方。
这两个选项只在一件事上有取舍：熟悉感。录音室音色从第一次会话起就听起来打磨精良而中性。你自己的克隆需要两分钟来设置，之后每一次都听起来明白无误就是你——如果你与同一批客户或同事有周期性的通话，并希望他们一次又一次听到同一个声音，这很有用。
声音克隆改变的是合成语音的音色，而不是翻译质量的要求。请只录制自己的声音，在安静环境下操作，并用短测试检查姓名和专业词汇的发音。高风险会议仍需人工核查。你可以删除参考录音和合成声音，但这不会删除他人此前制作的录音。
录音和删除步骤见个人声音克隆指南。
比较原生翻译与 Gaavala
Teams 的实时翻译字幕可通过 Teams Premium 或 Microsoft 365 Copilot 获得。组织者拥有符合条件的许可时，可向参会者（包括来宾）提供该功能；个人许可也可能提供个人使用权限。Interpreter 是独立的语音翻译功能，有自己的许可、语言和管理员策略要求。因此，来宾身份并不意味着无法使用所有内置翻译功能。
比较依据: Microsoft Teams Translated Captions · Microsoft Teams Interpreter.
Google Meet 同时提供翻译字幕和 Speech Translation 语音翻译。可用性取决于订阅、支持的语言和具体会议，字幕与语音功能的条件并不相同。符合条件的组织者可以向参会者开放功能，不能一概认定个人账号或来宾没有权限。Meet 翻译字幕的语言列表也不能简单描述为少于 Gaavala 的 60 种语言。
比较依据: Google Meet Translated Captions · Google Meet Speech Translation.
Zoom Translated Captions 是一项独立功能，取决于主持人的合格套餐或附加组件，以及会议设置。参会者（包括来宾）可以使用主持人开放的翻译字幕，并非只有企业套餐才能使用。Zoom 还提供 Voice Translator 语音翻译，其附加组件、语言和桌面客户端要求另行规定；AI Companion 摘要是另一项功能。
比较依据: Zoom Translated Captions · Zoom Voice Translator.
Gaavala 在 Teams、Zoom、Meet 和 Webex 网页版中提供统一的使用方式。免费试用仅包含一次性的 5 分钟字幕额度，不会重置。Pro 为每月 $19.99（不含税），提供每天 120 分钟、Speak Mode、68 种预设声音和个人声音克隆。如果会议和所需语言已被内置功能覆盖，原生方案也可能足够。
Speak Mode 是为谁做的
Speak Mode 是一项 Pro 功能，它的定价针对的是个人专业人士，而不是企业部署。从中获益最多的人是：
- 国际顾问——与英语能力有限的客户跑项目通话，而这些客户宁愿用自己的语言听你说，也不愿在你的语言里挣扎。
- 多语言团队负责人——与离岸工程团队一起开站会，团队里一半人用一种语言思考，另一半用另一种。
- 面向海外市场的销售代表——在客户的语言里听起来流利的声音，会改变通话的气氛，也会改变报价落地的方式。
- 一线运营人员——在离岸站点与总部之间搭桥，误解的代价是运营性的，而不只是社交性的。
如果你的会议在单一语言对里完全双语，而且所有人都跟得上，你大概不需要 Speak Mode。如果存在一个反复出现的时刻：你或对面的某个人因为语言差距是单向的而沉默下来，那么这就是修好那个时刻的功能。
如果希望不发声也能回复，请阅读 听障人士会议无障碍指南。
隐私：什么变了，什么没变
启用 Speak Mode 时，Gaavala 的核心隐私架构不会改变。传入的会议音频仍然通过一条从不接触我们后端的 WebSocket，从你的浏览器直接流向 Soniox。你为 Speak Mode 提供的麦克风音频遵循同一套直连 Soniox 的模式——我们从不看到它。
TTS 这一步对两种声音选项遵循同样的模式。Soniox 录音室音色把翻译后的文本浏览器直连发送到 Soniox，用与字幕相同的短时效临时密钥完成认证——Gaavala 的后端从不看到这些文本或音频。你自己的克隆声音以同样的方式合成，只有它上游一处刻意为之的狭窄例外：你为构建克隆而录制的那段两分钟参考样本，以加密形式（AES-256-GCM）存储在 Gaavala 的服务器上，只用于构建和维护你的声音，并可随时应要求删除。Speak Mode 的其他音频——你的麦克风输入、会议音频、合成输出——都不会被存储。
对两种声音选项来说，Gaavala 的后端都留在音频路径之外。如果你想验证这一点，我们隐私文章里那招网络检查依然有效：打开扩展程序后台页面的 DevTools，筛选 Network 面板，你会看到一条直连 Soniox 的连接，而发往 gaavala.com 的流量中没有任何麦克风音频或会议音频。
如何启用
Speak Mode 是 Pro 专属功能。Gaavala 的免费试用（一次性 5 分钟，无需信用卡，永不重置）不包含 Speak Mode，所以设置流程大致是这样：
- 从 Chrome Web Store 免费安装 Gaavala 并登录。
- 在侧边面板中升级到 Pro——每月 $19.99。Pro 本身不提供试用，所以需要 Speak Mode 时直接订阅即可。
- 打开侧边面板设置，找到 Speak Mode 区域。
- 选择录音室声音，或创建自己的声音并等待就绪状态。开口前检查已选中的声音。
- 为这场会议配置目标语言。没有采集模式需要挑选——Speak 按钮读取你的手势，因此没有什么需要提前决定。
然后加入会议。想说一件事就按住 Speak 按钮；有一整段要讲，就轻点它开启一个免提窗口。
开始语音回复前，请按照 Teams、Zoom、Google Meet 或 Webex 的浏览器设置步骤操作。检查会议的访问规则，并与另一位参与者试用；桌面会议应用使用不同的音频路径。
真实使用建议
从构建和自用这项功能中得到的一些实践笔记：
- 先用按住热身。你第一次听到自己的合成语音播进一场会议时，会觉得奇怪。头几次通话先按住按钮，再开始轻点开启免提窗口。你对何时停顿、说多大声、翻译语音在另一侧听起来如何的感觉，都会很快校准——但前提是每一次发声都在你的掌控中。
- 只克隆你自己的声音。侧边面板的录制流程只会从你录制的自己的样本构建克隆——通过 Speak Mode 没有任何途径克隆别人的声音，应用内的同意步骤也反映了这一点。
- 该说明时就说明。如果你的会议涉及合规影响——法律、医疗、受监管的销售——请告诉对面，通话中存在一层实时语音翻译。这与告知对方你在使用转录工具是同一种礼节。
- 保持原生音频开着。Gaavala 仍然把原始会议音频送到你的扬声器。你依然应该在听、在读传入的那一侧。Speak Mode 是外发的那一半，不是理解别人在说什么的替代品。
FAQ
会议知道我在用它吗？ 不直接知道。合成语音通过你本来就会用的那条麦克风通道抵达另一侧，因此没有横幅，也没有元数据。对面听到的是一个非常流利的声音，也许会注意到每次回应之前的细微停顿。我们建议在这件事重要时主动说明——见上面的礼节提示。
我能用自己克隆的声音吗？ 可以——在 Pro 上原生支持。在侧边面板的 Speak Mode 设置中录一段两分钟的样本，Gaavala 会构建一个由 Soniox 驱动的克隆，你可以把它选为 Speak Mode 的声音。不需要单独的账户或 API 密钥。
延迟是多少？ 延迟取决于句子长度、识别、翻译、合成、网络和会议客户端。流式输出可以在首段音频就绪后开始，但没有固定响应时间，也不保证克隆声音与预设声音一样快。请在重要通话前先测试简短发言。
如果我的目标语言不是英语呢？ 两种声音选项都已经能说 Gaavala 翻译的全部 60 种语言——无论目标语言是什么，Soniox 录音室音色和你自己的克隆都开箱即用，方式完全相同。
它在 Teams Premium 会议里能用吗？ 能。Speak Mode 在任何跑在 Chrome 标签页里的会议中都能用，包括 Microsoft Teams、Zoom、Google Meet 和 Webex。会议组织者是否拥有 Teams Premium 或 Copilot 无关紧要。Speak Mode 跑在通话的你这一侧，而不是会议主持方的基础设施上。
试试看
Speak Mode 是 Pro 功能。如果你是刚接触 Gaavala，先从一次性免费试用开始——5 分钟转录，无需信用卡——这样你可以先评估传入侧的翻译体验。Speak Mode 不包含在免费试用中；等你准备好亲自在会议中开口时，再升级到 Pro（每月 $19.99，Pro 本身不提供试用）。
从 Chrome Web Store 免费安装 Gaavala，然后升级到 Pro 以解锁 Speak Mode。
相关文章
通过我们的支付合作伙伴（Merchant of Record）结算。价格不含税；支付合作伙伴会在结账时按您所在国家/地区加收应付税费。