我不确定这个帖子在这里是否合适，但我不知道该把它发布在哪里。
我在意大利用 Android 设备观看了以下视频。
我注意到所说的整个句子在说出来之前都被翻译并显示并添加了字幕。
这是如何实现的？语音是作为带有计时器信息的纯文本包含在内，然后发送到 Google 翻译，然后实时显示翻译，还是所有翻译都嵌入在 YouTube 视频中。
答案1
语音是否包含带有计时器信息的简短文本并发送到谷歌翻译并实时显示翻译，或者所有翻译都嵌入在 YouTube 视频中。
这个问题很有趣。遗憾的是，我们无法肯定，除非有 Google 内部人士读到这篇文章。
显然，Google 每次都进行翻译是没有意义的。因此，我猜想他们会翻译一次并缓存结果以供将来使用。
当他们翻译时，我们只能推测：
- 正在上传？
- 第一次请求？
- 在第 N 次请求时（当他们发现这是值得的时候）？
我猜想他们有一套他们不愿透露的算法，而且可能正在随意调整。归根结底，他们希望在优质服务（看似实时翻译）和成本（无论是服务器、CPU 周期、电力还是编程工作）之间取得平衡。
获得大量观看次数的内容可能很快就会被翻译成排名前 10 位左右的语言，而他们可能需要一段时间才能缓存我的威尔士语 Vlog 的乌尔都语版本。
Tl;dr - 只有 Google 知道，他们也没有透露，但我们可以做一些常识性的猜测