虚拟声卡怎么接：让译音进 OBS 而不干扰监听

跨境直播里，主播的电脑上同时有三路声音要走不同的路。把它们理清楚，是搭这套系统的第一件事，也是最容易做错的一件事。

三路声音分别去哪

声音	来源	去处
原声	麦克风	推流（可选）+ 主播耳机
译音	翻译工具合成	推流（必须）+ 主播耳机（可选）
平台声	直播软件、提示音	只到主播耳机，不能进推流

问题在于：操作系统默认只有「默认输出设备」这一个概念。如果翻译工具把译音播到默认扬声器，那么它要么被麦克风二次拾取（产生回声和重复识别），要么根本进不了 OBS。

虚拟声卡解决的就是这个：它提供一对成套的「虚拟输出」和「虚拟输入」，写进虚拟输出的音频，会原样出现在虚拟输入里。任何能选输出设备的程序，都能借此把声音直接送给任何能选输入设备的程序。

为什么不能直接用「桌面音频」

新手常见的做法是在 OBS 里加一个「桌面音频」源，指望它把译音一起抓走。这条路在跨境直播里几乎一定会出问题：

• 桌面音频会把所有系统声音抓进去，包括微信提示音、浏览器视频、直播平台的礼物音效；
• 主播如果戴耳机，桌面音频往往抓不到（音频走了耳机通道）；
• 你没有办法单独调整译音的音量，只能整体调。

用虚拟声卡把译音单独隔离出来，才有独立控制的余地。

回环是怎么产生的

搭这套系统时最常见的故障是「识别到自己的译音，然后又翻译一遍」。产生条件是：译音通过扬声器播出 → 被麦克风拾取 → 送进语音识别 → 当成新的一句话翻译。

避免的办法只有两个，任选其一：

1. 主播戴耳机，物理上切断扬声器到麦克风的通路；
2. 译音不进主播的物理扬声器，只进虚拟声卡。

如果既要外放又要避免回环，就只能靠回声消除。这条路我们不推荐，理由是方向性的而不是精确的：回声消除属于送进识别之前的音频前处理，而 Google 在语音识别最佳实践里明确要求关掉降噪和自动增益这类前处理，说明原因是服务本身就是按带噪音频设计的、前处理通常反而降低准确率。回声消除是否完全落在同一类里，官方没有给结论，但能靠一副耳机在物理上解决的问题，不值得交给算法补救。

监听那一步最容易配反

OBS 的监听有两处设置，配错任何一处，现象都是「主播听得到、观众听不到」，而且要等到有人反馈才会发现。

• 监听设备在 Settings → Advanced → Audio 的 Monitoring Device 里选，必须指向主播耳机。指向虚拟声卡就等于把译音又送回了自己的输入端，直接形成回环。
• 每条轨的监听方式在 Edit → Advanced Audio Properties 里选。OBS 的三个选项是 Monitor Off、Monitor Only (mute output) 和 Monitoring Enabled，名字见 OBS 官方界面文案。括号里那句话就是关键：Monitor Only 会把这条轨从推流里静音。译音轨要的是 Monitoring Enabled，主播和观众都听得到。

同一个窗口里还有一列 Sync Offset，它只对音频源生效——这一点在字幕那篇里还会再用到。

Windows 与 macOS 的差异

Windows 上 VB-CABLE 是事实标准。它是捐赠授权，装完给你一根虚拟线（CABLE Input / CABLE Output）；官方页面上另外提供的 A+B、C+D 是需要单独安装的额外线路，一根线不够用时才需要。采样率的处理和推流参数那篇一致：重要的是全链路统一，取哪个值反而次要，在 OBS 的 Settings → Audio 里定一个值，然后把 CABLE 的播放端和录制端都改成同一个。

macOS 上系统不允许应用直接采集其他应用的输出，所以要装一个虚拟音频驱动，BlackHole 是最常用的一个。顺带纠正一个流传很广的说法：它不是内核扩展。 官方仓库明确写着「No kernel extensions or modifications to system security necessary」，驱动装在 /Library/Audio/Plug-Ins/HAL/ 下，卸载就是删掉那个目录再重启 CoreAudio。这个区别不是咬文嚼字——它决定了你不需要为它降低系统安全等级。

装完如果要「既进 OBS 又能自己听到」，就在「音频 MIDI 设置」里建一个多输出设备，把 BlackHole 和耳机同时勾上。这一步有两个官方 FAQ 里写明的坑，都会在直播中段才发作：

• 多输出设备里必须把内建输出放在列表最上面，否则可能整个没声音；
• 除了时钟源之外的每个设备都要勾上漂移校正，不勾的现象是「开播几十分钟后开始出现杂音」，很容易被误判成网络问题。

验证清单

搭完之后，按顺序确认这四条，任何一条不过就不要继续往下调：

• OBS 的音频混音器里，译音轨在说话时有电平跳动；
• 主播耳机里能听到译音，且没有明显回声；
• 录一段本地文件回放，译音清晰、没有重复——这一条同时能查出监听配反：如果译音轨误设成了 Monitor Only，耳机里一切正常，录制文件里却没有译音；
• 关掉翻译工具，OBS 的译音轨电平归零（说明抓的确实是虚拟声卡，不是桌面音频）。

第四条最容易被忽略，很多人以为接好了，实际上 OBS 抓的还是桌面音频，只是恰好也能听到声音。

和字幕的关系

音频通了之后再做字幕。字幕走的是完全独立的通路（窗口捕获 + 色键），和音频路由没有耦合。先把音频跑通再加字幕，出问题时才能快速定位是哪一层的事。