主题

OBS 本身不难，难的是音频。跨境直播要同时处理原声、译音和监听三路声音，接错一根线就会出现观众听不到译音、或者主播被自己的译音带偏的问题。

实时翻译不是一个模型，是四段串联的处理：断句、识别、翻译、合成。任何一段慢，整条链路就慢；任何一段错，后面全都错。优化的第一步永远是先测出瓶颈在哪一段。

跨境直播的运营难点不在翻译，在于同一套话术换个语言和文化后往往不成立。选对语言对、选对时区、把话术改成当地人真的会听的说法，比把翻译准确率再提两个点更有用。

直播翻译方案没有唯一最优解，只有在特定语言对、预算和延迟容忍度下的合适解。这里的对比统一给出测试条件，不做没有前提的排名。