文字双向翻译解决的是打字能聊。真正让很多人卡住的下一件事，是对方发来一段语音，或自己懒得打字、想直接说中文让对方听到外语。Hello GPT翻译器里的语音翻译，问得最多的是：语音会不会先变成一行错字再乱翻、要不要一直按着麦克风、群里多人说话会不会串、网络差时该不该改回打字。下面只讲语音翻译。不把安装、群发、多开、文字预设写成另一篇合集。主线是：先分清三种用法、把权限和开关给对、用短句测通、再决定什么场合继续用嘴说、什么场合立刻改回文字。
语音翻译实际走的是两步，不是一步
语音不会凭空变成对方语言里的一段声音。系统通常先把你的话转成文字，再按当前窗口的语言预设翻译，必要时再用语音合成读出来。对端发来的语音也一样：先转写，再译成你的母语，你可以看字幕，也可以听朗读。
所以语音“不准”，要先问是哪一步不准。转写已经把“下周交货”听成“下月交货”，后面翻译再认真也救不回来。转写对了、译文语气生硬，那才是翻译和预设的问题。把两步混成一句“语音功能坏了”，会改错开关。
三种用法也要分开。第一种是对方发来语音消息，你在窗口里看转写和译文。第二种是你按住或点一下麦克风，说中文，系统发译文或发译文语音给对方。第三种是接近实时的轮流说，适合短沟通，不适合把手机扔在桌上当会议麦。第一种最稳，第二种要养成说完看一眼再发的习惯，第三种对网络和环境影响最大，不要当作默认工作方式。
用之前只准备四件事
当前窗口必须已经能做文字双向翻译。文字都出不来，语音不会单独好。先确认账号在线、实时翻译打开、该会话语言方向正确，再开麦克风。
麦克风权限要给到 Hello GPT 以及你正在用的聊天软件。只给了其中一个，常见现象是软件显示在录音、发出去却是空白，或只有转写没有声音。系统里把该应用的麦克风关掉后，不要只在翻译器里反复点语音按钮。
环境尽量干净。风扇、车载、餐厅、多人同时说话，转写正确率会掉得很明显。值班可以接受偶尔一句重说；把重要交期、账号、数量放在嘈杂环境里用语音一次过，事后纠错成本高于当时打一行字。
当前会话的语言预设要锁死。语音转写本身就会引入错字，如果再叠加自动识别把泰语听成印尼语，错误会连乘。固定客户窗口关掉自动识别，只保留已经验证过的文字方向，语音才有可预期的出口语言。
收听对方语音：先看字，再决定要不要听
对方发来一段语音后，窗口里通常会出现转写原文和译文。先读转写。转写里数字、否定、人名已经错了，不要根据译文做承诺。点开原文听一遍，或让对方改发文字。能看字却直接按译文回“好的、就按这个交期”，是语音使用里最贵的习惯。
短语音可以等它自动出字。明显过长的语音，不要期待一次转写完美。让对方拆成几段，或请他把关键数字再打一行。翻译器能加速听懂，不能把一段含糊其辞的口语变成合同条款。
群里的语音更要克制。多人连续发语音时，转写可能排队，字幕会乱序。值班时优先看文字消息，语音只处理明确点名或明显是在讲订单的那几条。不要让群语音自动全部朗读，环境会变成无法工作的广播。
如果只有波形、没有字，查的是语音转写开关和网络，不是语种下拉框。转写服务没开，翻译没有输入可处理。文本气泡此时往往仍正常，正好说明故障被限定在语音这一支，不要去动已经好用的文字规则。
自己说中文发出去：说短、说全、发出前看一行字
开始录音前先看一眼输入区是不是当前这个客户的窗口，顶栏账号是不是当前这个号。语音比打字更容易发错窗，因为嘴里说得顺，眼睛没在看名称。
说话方式按给机器听来组织，不要按给熟人听来组织。少用“还是老样子”“那个数你懂的”。把对象、数字、日期、动作说全。例如“一百件，单价十二美元，本周五前发货，运费另算”。句子短，停顿清楚，专有名词第一次可以说得慢一点。说完先看转写，再看译文预览，确认后再发送。跳过预览等于把听写作业直接交给客户。
发送形态按场合选。对能看字的客户，发译文文字通常比发合成语音更稳，对方能回看数字。对正在走路、不方便看屏幕的人，可以再附加朗读。不要默认每句都发语音，对方的环境未必适合放外音，也可能不方便回听确认。
一次只说一件事。交期、改价、改地址不要塞进同一口呼吸。转写在长句末尾最容易丢字，而丢的往往是最关键的那个数字。说错了就再录一条更正，不要指望下一条口语自动覆盖上一条已经发出去的音频。
接近实时的轮流说，只适合短确认
有的版本提供更接近对话的模式：你说完，系统译出并播放或发送，对方再说，你这边出字幕。这种模式适合确认“在不在”“能不能现在收货”“样品收到没有”。不适合解释质保范围、对账、改合同。
用这种模式时约定轮流。两个人同时说，转写会互相踩。网络一抖，字幕会晚半拍，人会下意识提高音量再抢一句，错误继续放大。超时或听不清，立刻改回打字，不要用更大声去赌下一次识别。
电脑端若外接耳机，确认系统录音设备选的是那只耳机的麦克风，而不是电脑自带麦在收键盘声。选错设备的表现是：你自己听回放很清楚，转写却全是噪声词。这不是语种问题，是输入设备问题。
语音和文字规则如何配合，才不会两套口径
语音走的仍是当前窗口那套语言预设和术语库。文字里已经锁死的中德、已经写入的型号译法，语音译文也应跟着走。若语音里的型号乱了、文字里却是对的，优先看转写有没有把型号听成别的词；听错了就改用文字发型号，不要在语音里反复重读期待它突然听会。
快捷回复不要用语音去“念一遍模板”代替。模板里的变量、数字、责任句，用文字插入再发更可控。语音适合补充一句人情和确认，不适合当政策宣读器。
群发不要配成所有人都收到同一段合成语音。语种不同、场景不同，语音文件比文字更难预览和抽检。祝福类若一定要用语音，先小范围测听，确认合成腔调可以接受，再考虑要不要用；业务通知默认文字。
语音不准时，按转写、翻译、设备三层看
转写明显错：换安静环境、离麦克风近一点、把长句拆开、专有名词改打字。同一句错三次，停止语音，改文字。继续录只会积累错误承诺。
转写对、译文不对：回到该窗口的语言方向、语气和术语，和纯文本排障相同。不要在语音设置里寻找“更高精度引擎”当第一反应。
设备和权限：没声、没字、只有一边能用，查麦克风权限、聊天软件权限、是否被省电策略杀掉后台。电脑选错输入设备也归这一层。
网络差：转写排队、朗读断续。先关朗读，只保留字幕；再不行就改打字。语音对网络的要求高于短文本，这是正常限制，不是安装失败。
涉及金额、账号、地址、停产、赔偿，语音只用来约时间，条款回到文字。这一条比任何开关都重要。听错一个零，后面所有翻译精度都没有意义。
一套能坚持下去的语音使用顺序
新窗口先用文字收发一句，确认方向。再让对方发一条十秒以内的短语音，看转写和译文。你自己再说一句带数字的中文，看预览后发出。三步都稳，这个窗口才把语音当作辅助。
当天环境吵、网络差、或正在谈不可逆的数字，语音按钮可以在，但默认不用。能打字就打字，不是功能退步，是把容易听错的环节从关键路径上拿掉。
按这个顺序做完：承认语音是转写加翻译、给齐麦克风权限、在已锁死语种的窗口里用短句测通、发出前看一行字、关键数字改回文字。语音翻译就会从“对着手机碰运气”变成可以值班的辅助通道。文字方向、模板和多开仍然各自按窗口规则工作；嘴上说的每一句，最终都要经得起那一行转写的核对。