首先需要明确一个核心判断：通义听悟在音视频翻译任务中，本质上采用“两路并行”的处理机制——要么是上传文件后进行翻译，要么是实时边录边译。无论选择哪种方式，操作过程中都存在几个关键节点，一旦遗漏或操作失误，就必须重新开始。下面将这三部分内容逐一详细拆解。

上传音视频文件后开启翻译

登录通义听悟官网（tingwu.aliyun.com），使用阿里云账号完成登录，点击「上传音视频」按钮，选择本地存储的会议录音文件（支持MP3、MP4、M4A等常见格式）即可开始上传。

文件上传完成后，页面会自动跳转至转写设置页面——这里有一个极易忽略的陷阱：必须先将“启用翻译”开关勾选，再点击“开始转写”按钮。如果跳过这一步，系统无法事后补译，只能重新上传文件并再次走完整个流程。

系统默认会识别音频语种并自动匹配目标语言：中文录音会被自动翻译成英文，英文录音则自动翻译成中文。需要特别留意的是，粤语语音暂不支持直接翻译，必须先转写成简体中文，再通过人工方式处理。

实时会议中边录边译

实现实时翻译有两种可行途径。

方法一：通过网页端开启实时记录功能，点击顶部工具栏的「翻译」按钮，选择目标语言（支持中文和英文互译），确认开启即可。

方法二：在手机App端进入会议界面，点击右上角「…」图标，选择「开启实时翻译」，然后按需选择显示模式——可以同时显示双语对照，也可以仅显示译文。

实时翻译对网络稳定性要求较高。在Wi-Fi环境下，延迟可控制在800毫秒以内；若4G信号较弱，则可能出现中断。建议提前在App端下载离线模型（路径：我的→设置→离线包），这能有效降低对实时网络的依赖。

导出双语对照文本

第一步：转写和翻译均完成后，在记录详情页点击「导出」，选择「原文+译文」组合项。

第二步：勾选导出格式。Word或PDF格式可保留发言人标签和时间戳；SRT字幕文件则适合直接嵌入视频播放器使用。

第三步：点击「立即导出」，文件将打包下载至本地。导出前建议先核对发言人名称是否已手动修正——例如“Speaker 1”这类默认名称若未修改，后续阅读时逻辑会显得混乱。

此步骤不可逆：导出后若发现翻译有误，只能返回网页编辑原文并重新生成译文，无法单独修改某一段译文。因此，在导出前务必确认所有内容准确无误。