日语这类句子，后面还没说完，前面的意思往往不好定，所以边听边翻容易出现译文反复改、字幕跟不上的情况。本地视频倒不一定要走纯实时同传，可以提前处理接下来一段音频，结合比较完整的上下文再翻译，播放时按时间轴显示。 我也有类似的诉求，目前做了一个自己用大概的效果是，手机网页播放器（隐蔽性也比较好:)） → 打开视频 → 预处理音频+翻译 5-10s → 然后边看就边有未来的翻译了。 不过目前走的是自带的