本篇是AR，VR等XR眼鏡用翻譯機識別中日韓英語聲音并且翻譯的方法，永久短網(wǎng)址是xr.fan/fy

概述

AR眼鏡不僅能無限增強視力，還可以無限增強聽力，不過這些在古人看來都是神力的技術(shù)，即便現(xiàn)代人想用，也是不是免費的，要加錢。

還好聽力需要的科技看起來比視力簡單便宜，應(yīng)該會先一步在眼鏡里應(yīng)用和普及。

實現(xiàn)原理

按照聲音進(jìn)眼鏡的順序，大概有這幾個步驟。

硬件，麥克風(fēng)收音

硬件，接收音頻信號

軟件，聲音識別抓取語音

軟件，語音轉(zhuǎn)文字

軟件，文字轉(zhuǎn)其它語言

硬件，眼鏡顯示

那就一個一個開始分析吧。

麥克風(fēng)收音

這是所有聲音的來源，如果把攝像頭比作賽博眼睛，那麥克風(fēng)就是賽博耳朵，分為有損收音和無損收音。

無損收音

無損收音就是聲音采集沒有任何音質(zhì)損失，這在現(xiàn)實是不可能的，現(xiàn)實只能無限接近于無損。

無損收音只能在虛擬空間實現(xiàn)，常見的電腦播放聲音，播出來之前都是無損的，聲音識別在這之前是100%完整的音頻信號。

這種無損收音技術(shù)已經(jīng)非常成熟而且免費，也不需要用戶做什么操作都是一鍵自動內(nèi)錄采集收音。

所以一般需要配置的地方，就是不同設(shè)備之間如何無損實時傳輸音頻。

常用的方法是通過藍(lán)牙接收，沒藍(lán)牙的電腦也建議弄個藍(lán)牙適配器，不然走wifi和usb更麻煩。

然后在微軟的軟件商店，搜索Bluetooth Audio Receiver?；蛘咧苯哟蜷_下邊連接，選擇右邊欄在 Microsoft Store 獲取。問微軟賬號的話直接關(guān)閉就能下載了，無需登錄。

https://apps.microsoft.com/store/detail/bluetooth-audio-receiver/9N9WCLWDQS5J

下載好后，手機藍(lán)牙里找電腦名字連接電腦藍(lán)牙，配對以后，打開這個Receiver軟件就能看到手機名字，然后點一下手機名字，再選open connection，這樣手機放音樂就可以在電腦里聽到了。

也可以讓手機麥克風(fēng)也能進(jìn)電腦。

安卓

這要用到手機麥克風(fēng)app，例如麥克風(fēng)擴音器，然后用上邊方法在app里藍(lán)牙連電腦，這樣用手機講話，聲音就在電腦里了，但這是有損失的。

蘋果

用手機麥克風(fēng)給筆記本macbook聲音，蘋果自己家剛出個連續(xù)互通。https://support.apple.com/zh-cn/HT209037

這個對手機型號和版本有要求，手機更新后，mac重啟再進(jìn)設(shè)置，選聲音，輸入，然后就能看到手機的名字，選上以后，按照后邊的方法用quick time點開錄制，選好麥克風(fēng)，拉大下邊音量條就可以通過手機收聲音，但也是有損失的。

有損收音

現(xiàn)實皆有損，專業(yè)的錄音棚效果不是日常能做到的，而且用眼鏡需要室內(nèi)戶外識別聲音，那能選的麥克風(fēng)，只有便攜的全向和指向兩種，一個所有方向收音，一個指定方向收音。

有線的便宜，而且有的不需要電源，室內(nèi)用用還好。

直插型的，對設(shè)備要求很高不能有聲，如果接筆記本，風(fēng)扇就是最大噪音干擾源，還需要接延長線遠(yuǎn)離。

所以考慮到最廣泛的使用場景，無線便攜全向帶電池的，那只有視頻會議類別的麥克風(fēng)是現(xiàn)階段最適合的了，這里用的宜麗客LBT-SP02

會議用無線全向麥克風(fēng)本身就是為多方向多人語音設(shè)計，支持減噪和消回聲，相當(dāng)于把電腦的麥克風(fēng)喇叭分離出來，更容易找地方擺放。因為自帶音箱，不僅可以用于自己收音，還可以讓對方放音。

接收音頻信號

這個取決于想要用來做什么，手機和電腦都是常見的接收設(shè)備，像本篇的翻譯機，就需要win或者mac系統(tǒng)，那就只能在這兩個選。

根據(jù)場景，室內(nèi)無所謂，室外就要小和便攜，macos最小的就是macbook air和mac mini

WIN的話選擇很多，從小到電腦棒，再到掌機平板和筆記本都屬于便攜范圍，這里當(dāng)然是支持dp的可以直接顯示的設(shè)備優(yōu)先（見AR眼鏡用USB-C的DP視頻輸出設(shè)備），然后是有hdmi輸出接口的，通過hdmi到usbc轉(zhuǎn)接器給眼鏡也能用，hdmi無線給手機也行?；旧喜恢С謉p的，也都有hdmi，所以這塊不是什么問題。

要是只弄個主機，其實電腦棒就夠。只是電腦棒近年發(fā)展幾乎停滯，這個本該是現(xiàn)在眼鏡最佳接收萬能設(shè)備，翻遍網(wǎng)絡(luò)只找到一款支持usbc dp的，meegopad t08，nreal尚未兼容，還好也有hdmi。

這里用的gpd win max2和macbook air做為便攜本來收錄音頻。

winmax2大小只有macbook air的一半，兩個lite那么大，可能是現(xiàn)在集成鍵盤鼠標(biāo)觸摸板電池屏幕一堆接口兼具cpu顯卡性能的win系統(tǒng)適合打包在一起出門的機型，跟另一家最新6800U的平板onexplayer2比，onexplayer2無鍵鼠不能手持接口也少然后只是小點但是厚度一樣代價是沒有5g和雙nvme。

雖然理論上winmax2這貨有usbc3.2+usbc4.0+hdmi轉(zhuǎn)接能同時支持3個以上眼鏡，但由于amd更換芯片組，nreal現(xiàn)在國內(nèi)固件還不適配所以只能用hdmi轉(zhuǎn)，國外固件也只支持一個usbc3.2接口。

聲音識別抓取語音

一般聲音收集軟件，在系統(tǒng)播放聲音時就能同步收音，只有在用麥克風(fēng)收音的情況下需要講一下。

正常用電腦的麥克風(fēng)，是默認(rèn)不傳給喇叭的，因為開啟可能會有回聲，以及環(huán)境聲音會同時在喇叭里播放基本就不用聽東西了。但如果不讓麥克風(fēng)走播放通道，這時聲音收集軟件是獲取不到麥克風(fēng)聲音的。

這在本篇需要用翻譯機軟件的情況下，等于外面的聲音就無法獲取了，盡管這個聲音是有損失的，那也必須要開啟。具體方法是

WIN系統(tǒng)

右鍵點右下角喇叭選聲音，

點錄制欄

雙擊默認(rèn)設(shè)備，或者選擇需要用到的麥克風(fēng)，設(shè)置默認(rèn)再點開

選偵聽

然后點應(yīng)用試試聲，

如果有回聲或者嘯叫馬上取消偵聽，再點應(yīng)用

有的電腦麥克風(fēng)和喇叭設(shè)計的位置不對就無法用偵聽

如果沒問題，這時外部聲音說話之類的，電腦喇叭就有聲了。

調(diào)小音量也有助于減少回聲嘯叫

MAC系統(tǒng)

系統(tǒng)內(nèi)收音沒什么好方法，只能開啟quick time play，新建音頻錄制，然后不用錄，把下邊喇叭拉起來，聲音就進(jìn)系統(tǒng)里了。

語音轉(zhuǎn)文字

這個是輸入法和各種應(yīng)用的標(biāo)配功能。

win系統(tǒng)按win鍵+H啟用。

macos進(jìn)設(shè)置，鍵盤，右側(cè)下拉找到聽寫，設(shè)置好快捷鍵就能用聲音打字了。

文字轉(zhuǎn)其它語言

有文字，翻譯這些文字就有各種服務(wù)和應(yīng)用了。

例如騰訊翻譯君，有道翻譯都支持各種語言實時互譯

本篇用的是訊飛雙屏翻譯機，支持中日韓英語四種語言實時識別和互翻。

訊飛有兩種識別翻譯方式，一個是自帶一個領(lǐng)夾藍(lán)牙麥克風(fēng)，用于演講時識別聲音，再轉(zhuǎn)換中日韓英語四種字幕及翻譯到win或者mac系統(tǒng)上顯示。這個小麥克風(fēng)適合自用和臨時用用，收音距離有限。

另一個是系統(tǒng)播放聲音，例如視頻和音頻，然后自動識別聲音，跟上邊一樣轉(zhuǎn)換中日韓英語和翻譯。再加上前邊設(shè)置外接麥克風(fēng)偵聽的方法，讓聲音進(jìn)系統(tǒng)，訊飛也就能翻譯到了。

這兩種方式都能讓電腦給眼鏡用訊飛的字幕，因為翻譯軟件背景是全黑透明的，所以在眼鏡里看就是空中文字的效果，不影響畫面。

或者電腦給手機投屏，用hdmi圖傳給手機，所有現(xiàn)場和網(wǎng)絡(luò)手機都能同時看到一樣的字幕。

雖然訊飛這個翻譯機不支持usbc dp輸出顯示，但其本身就是個安卓系統(tǒng)，說明以后手機實現(xiàn)類似功能事可行的。

眼鏡顯示

最終，這些設(shè)備和軟件在完成各自的任務(wù)后，在最后一個環(huán)節(jié)把字幕送進(jìn)了眼鏡里，就是這樣的效果。

電腦內(nèi)錄收音和全向麥克風(fēng)外放同時收音，這個是對視頻觀看聊天等場景模擬，聊天環(huán)境安靜識別率更高。

其它設(shè)備外放，全向麥克風(fēng)收音，這個是對電腦外部現(xiàn)實各種環(huán)境模擬。

翻譯不準(zhǔn)確是正常的，按照前面的說明，例如在完美的條件下，也是存在聲音和轉(zhuǎn)換損失的。

硬件，麥克風(fēng)收音（內(nèi)錄無損)

硬件，接收音頻信號（內(nèi)錄無損)

軟件，聲音識別抓取語音（內(nèi)錄無損，純語音無任何背景音)

軟件，語音轉(zhuǎn)文字（轉(zhuǎn)換有損）

軟件，文字轉(zhuǎn)其它語言（轉(zhuǎn)換有損）

硬件，眼鏡顯示（最終顯示有損）

這樣再看看效果，純語音環(huán)境內(nèi)錄效果

這可能就是現(xiàn)在實時翻譯的天花板了。但TED準(zhǔn)確率過高，估計是訊飛訓(xùn)練AI的素材就用的ted，游戲里非正常語境的就效果差些，也就是現(xiàn)階段，可用于日常簡單會話。

戶外用廣播進(jìn)手機能解決大部分環(huán)境噪音問題。語音轉(zhuǎn)文字轉(zhuǎn)其它語言這些也是能夠一直升級換代的。win和mac系統(tǒng)本身日常語音識別率就很高。

現(xiàn)在地球最強翻譯chatgpt還沒大規(guī)模應(yīng)用，文字轉(zhuǎn)其它語言也能接近無損，所以用眼鏡看各種語言翻譯，預(yù)計將是最快能夠普及的元宇宙技術(shù)。