术语表
跨境直播与实时翻译的核心术语，按字母顺序排列。
- 词错率（WER）
- 词错率（Word Error Rate，WER）是衡量语音识别准确度的通用指标，等于插入、删除、替换三类错误的数量之和除以人工转写文本的总词数。中文场景通常改用以字为单位的字错率（CER）。
- 别称：WER · 字错率 · CER · Word Error Rate
- 端到端延迟
- 端到端延迟指从主播开口到海外观众理解译文之间的总耗时。常见有两种口径：开口到出字幕，以及开口到译音播完，两者能相差数秒，脱离口径的延迟数字无法比较。
- 别称：E2E 延迟 · 总延迟 · 翻译延迟
- 色键（Chroma Key）
- 色键（Chroma Key）是按颜色把画面中特定区域变为透明的技术。在直播字幕方案里，翻译工具输出纯绿背景的字幕窗口，OBS 捕获后用色键抠掉绿色，只把文字叠在画面上。
- 别称：绿幕抠像 · Chroma Key · 色度键
- 声音克隆
- 声音克隆是用少量目标说话人的录音，训练或适配出一个可复用音色的技术。在跨境直播里，它让译音听起来仍是主播本人，从而保持直播间的人格连续性。
- 别称：音色克隆 · Voice Cloning · 声纹复刻
- 虚拟声卡
- 虚拟声卡是一对成套的软件音频设备，包含一个虚拟输出和一个虚拟输入。写进虚拟输出的音频会原样出现在虚拟输入里，从而把一个程序的声音直接送给另一个程序，不经过物理扬声器和麦克风。
- 别称：VB-Cable · BlackHole · 虚拟音频线 · Virtual Audio Cable
- 语音合成（TTS）
- 语音合成（Text-to-Speech，TTS）是把文本转换成语音的技术。在直播实时翻译里，它负责把译文朗读出来，其耗时大致与译文长度成正比，是端到端延迟的主要来源之一。
- 别称：TTS · 文本转语音 · 语音播报
- 语音识别（ASR）
- 语音识别（Automatic Speech Recognition，ASR）是把语音信号转换成文本的技术。在直播实时翻译里，它是链路的第一环，输出的文本直接决定后续翻译的上限。
- 别称：ASR · 自动语音识别 · 语音转文字