翻译设备的延迟从哪来？

拾音与判断说完、语音识别、翻译、语音合成，以及它们之间的网络往返。每一段都占一份，总和决定对话是否自然。

噪声为什么这么关键？

识别错误会在翻译里被放大。嘈杂的街道或拥挤的房间会把一个听错的词变成一句错的话，所以麦克风位置和降噪与语言模型同样重要。

有限的几种语言可以，用端侧的小模型。质量和语种覆盖都低于在线，产品应该如实说明。

耳机适合一对一对话和旅行，手持适合会议和多人共用。选择会改变麦克风、电池和 App。

翻译设备只看一件事：通过它说话，对话自然吗？设计里的一切都为这个感觉服务，而其中大部分由延迟和噪声决定。

延迟是几个阶段的总和：拾音并判断说完、识别、翻译、合成语音，以及它们之间的网络往返。砍掉一段有帮助，但只有整条链都调好，产品才会让人觉得快。我们在 AI 陪伴玩具的延迟预算里讲过的预算方法，这里同样适用。

链条前端的一个识别错误，到末端就变成一句错话。街道、火车和热闹的房间才是翻译设备真正被使用的地方，所以麦克风位置、波束成形和降噪处理，和翻译模型一样重要。要在真实环境里测试，不要只在安静的办公室里测。

形态会改变麦克风、功耗预算和 App，所以要先定。

离线翻译在设备上跑较小的模型。只适合有限的几种语言，质量也低于在线。要在产品和 App 里如实说明，并让用户提前下载语言包。“所有语言都能离线”的承诺，等于一份等着发生的退货。

持续拾音、无线连接和端侧处理都会真实耗电。在外壳冻结之前，就要确定使用时长目标，以及充电盒或底座是否属于产品的一部分。

语种选择、语言包、历史记录和订阅都在 App 与服务端。如果产品要有付费层，就要尽早估算每个活跃用户的云成本，因为它决定定价模式。