# 同声翻译改走微软端到端

> 2026-10-18。只覆盖翻译页的同声模式（`simultaneous`）。本文只做设计，不改代码。
> 端到端依据 iOS 集成文档《同声传译简介》第 9.3、9.6 节。拼接时的识别依据安卓海外文档《实时语音转写》第 8.2、9.3 节（iOS《实时语音转写简介》只写了微软模式必填 `language_name`，没有语种表）。合成依据安卓海外文档《在线语音合成》的微软发音人表。
> 同声这一条覆盖 [科大讯飞SparkChain-全面替换第三方-落地文档.md](科大讯飞SparkChain-全面替换第三方-落地文档.md) 第 5.1 节里「表外拆成星火听写」的写法。面对面、通话、音视频、EMAI 不在本文范围。

## 结论

两端语种都在微软同传表里：只开一条 `AST`，机房 `RegionMSFT`（安卓 `RegionType.MSFT_TYPE`）。识别、翻译、合成由这一条会话完成。

源或目标是中文、粤语、爱尔兰语：微软同传表没有这三语，改走拼接。拼接的识别必须是微软实时转写 `RTASR(RegionMSFT)`，用 `language_name` 指定语种。不要用星火听写 `ASR`（`zh_cn` / `cn_cbm` / `iat`），也不要用新加坡、欧洲机房那两张转写表（`ist_open`、`ist_mul_sp`、`ga_IE`）。

拼接的合成用 `OnlineTTS(RegionMSFT)`，发音人用微软神经音色。不要用 `xiaoyan`、`x_xiaoyan`、`x_Catherine`，也不要打 `tts-api.xfyun.cn`。

## 现在为什么一种声音念所有语言

同声在讯飞听写成功之后，是三段接起来的，没有用到 `AST`。

1. `_startSparkListen` 调 `SparkChainSession.startListen`，只做听写。
2. 整句文本再走原来的翻译。
3. `playTranslatedText` 算出的 `voiceName` 在 `_sparkListen` 分支被丢掉，`_playSparkTts` 只把目标语种短码传给 `SparkChainSession.speak`。

原生合成不看音色表：

| 端 | 英语 | 其余语种 |
|---|---|---|
| iOS `ClassicTts`，打 `tts-api.xfyun.cn` | `x2_catherine` | `xiaoyan` |
| Android `OnlineTTS` | `x_Catherine` | `x_xiaoyan`（爱尔兰语例外，用 `ga-IE-OrlaNeural`） |

日语、韩语、法语都会用中文晓燕念出来。`getIflytekTTSLanguageSpecs()` 里按语种分好的发音人没有接到这条播报上。那张表是讯飞发音人，本方案也不再用。

## 目标链路

麦克风 PCM 仍由现在的耳机麦或手机麦采集，SDK 不自己开麦。采集、保活、播放路由保持现有调用点。

```
耳机麦 / 手机麦 PCM
        │ 16 kHz / 16 bit / 单声道，每 40ms 1280 字节
        ▼
AST(RegionMSFT)
  start(源语种, "pcm_s16le", 16000)
  use_tts = true
  target_lang = 目标语种
  tts_target_lang = 目标语种
  tts_speaker = 该目标语种的默认发音人
        │
        ├─ resType=asr / trans  → 原文、译文上屏（流式，不再发翻译请求）
        └─ resType=tts          → ttsResult.audio 交给现有 PcmStreamPlayer
```

iOS：

```objc
AST *ast = [[AST alloc] initWithregion:RegionMSFT delegate:self];
[ast addStringParam:@"target_lang" value:@"en"];
[ast addBoolParam:@"use_tts" value:YES];
[ast addStringParam:@"tts_target_lang" value:@"en"];
[ast addStringParam:@"tts_speaker" value:@"JennyNeural"];
[ast start:@"ja" audioEncoding:@"pcm_s16le" sampleRate:16000 userInfo:tag];
```

安卓用同一个机房枚举和同一组参数名。这条端到端会话的 `tts_speaker` 用第 9.6 节的短名（`JennyNeural`）。`en-US-JennyNeural` 是拼接路径里 `OnlineTTS` 的写法，不要填进 `AST`。

方向固定为用户选的源 → 目标。不要用识别回来的语种对调方向。

停的顺序不变：先停推流和 `AST.stop(NO)`，再关耳机麦，再放保活。

## 语种和音色

源语种、目标语种都必须在下表里。默认发音人取该行的第一个；同行其余名字是可换的音色，换的时候整段会话重开，不要在 `write` 过程中改 `tts_speaker`。

界面短码和表里的 `language` 一致的直接用。应用里的 `zh` 不要写成 `cn` 再送进微软会话：微软这张表没有中文。

| 语种 | language | 默认发音人 | 还可选 |
|---|---|---|---|
| 阿拉伯语 | ar | AbdullahNeural | AliNeural、AmalNeural、AmanyNeural、AminaNeural、AyshaNeural、BasselNeural、FahedNeural、FatimaNeural、HamdanNeural、HamedNeural、HediNeural、ImanNeural、IsmaelNeural、JamalNeural、LailaNeural、LaithNeural、LaylaNeural、MaryamNeural、MoazNeural、MounaNeural、NouraNeural、OmarNeural、RamiNeural、RanaNeural、ReemNeural、SalehNeural、SalmaNeural、SanaNeural、ShakirNeural、TaimNeural、ZariyahNeural |
| 保加利亚语 | bg | BorislavNeural | KalinaNeural |
| 孟加拉语 | bn | BashkarNeural | NabanitaNeural、PradeepNeural、TanishaaNeural |
| 加泰罗尼亚语 | ca | AlbaNeural | EnricNeural、JoanaNeural |
| 捷克语 | cs | AntoninNeural | VlastaNeural |
| 丹麦语 | da | ChristelNeural | JeppeNeural |
| 德语 | de | AmalaNeural | BerndNeural、ChristophNeural、ConradNeural、ElkeNeural、GiselaNeural、IngridNeural、JanNeural、JonasNeural、KasperNeural、KatjaNeural、KillianNeural、KlarissaNeural、KlausNeural、LeniNeural、LouisaNeural、MajaNeural、RalfNeural、TanjaNeural |
| 希腊语 | el | AthinaNeural | NestorasNeural |
| 英语 | en | JennyNeural | GuyNeural、AriaNeural、DavisNeural、JaneNeural、JasonNeural、NancyNeural、TonyNeural、WayneNeural、WilliamNeural、RyanNeural、SoniaNeural、LibbyNeural、NatashaNeural、ClaraNeural、LiamNeural、NeerjaNeural、PrabhatNeural、LunaNeural |
| 西班牙语 | es | ElviraNeural | AlvaroNeural、AbrilNeural、ArnauNeural、DarioNeural、ElenaNeural、TomasNeural、DaliaNeural、JorgeNeural、PalomaNeural、AlonsoNeural |
| 爱沙尼亚语 | et | AnuNeural | KertNeural |
| 波斯语 | fa | DilaraNeural | FaridNeural |
| 芬兰语 | fi | HarriNeural | NooraNeural、SelmaNeural |
| 法语 | fr | DeniseNeural | HenriNeural、AlainNeural、BrigitteNeural、ClaudeNeural、SylvieNeural、JeanNeural、AntoineNeural |
| 印地语 | hi | MadhurNeural | SwaraNeural |
| 匈牙利语 | hu | NoemiNeural | TamasNeural |
| 印尼语 | id | ArdiNeural | GadisNeural |
| 意大利语 | it | ElsaNeural | IsabellaNeural、DiegoNeural、BenignoNeural、FabiolaNeural、GianniNeural |
| 日语 | ja | NanamiNeural | KeitaNeural、AoiNeural、DaichiNeural、MayuNeural、NaokiNeural、ShioriNeural |
| 韩语 | ko | SunHiNeural | InJoonNeural、BongJinNeural、HyunsuNeural、JiMinNeural、SeoHyeonNeural |
| 立陶宛语 | lt | LeonasNeural | OnaNeural |
| 拉脱维亚语 | lv | EveritaNeural | NilsNeural |
| 马来语 | ms | OsmanNeural | YasminNeural |
| 荷兰语 | nl | ArnaudNeural | ColetteNeural、FennaNeural、MaartenNeural |
| 波兰语 | pl | AgnieszkaNeural | MarekNeural、ZofiaNeural |
| 葡萄牙语 | pt | AntonioNeural | BrendaNeural、DuarteNeural、FranciscaNeural、RaquelNeural、YaraNeural |
| 罗马尼亚语 | ro | AlinaNeural | EmilNeural |
| 俄语 | ru | DariyaNeural | DmitryNeural、SvetlanaNeural |
| 斯洛伐克语 | sk | LukasNeural | ViktoriaNeural |
| 斯洛文尼亚语 | sl | PetraNeural | RokNeural |
| 瑞典语 | sv | HilleviNeural | MattiasNeural、SofieNeural |
| 斯瓦希里语 | sw | DaudiNeural | RafikiNeural、RehemaNeural、ZuriNeural |
| 泰米尔语 | ta | AnbuNeural | KaniNeural、KumarNeural、PallaviNeural |
| 泰语 | th | AcharaNeural | NiwatNeural、PremwadeeNeural |
| 土耳其语 | tr | AhmetNeural | EmelNeural |
| 乌克兰语 | uk | OstapNeural | PolinaNeural |
| 乌尔都语 | ur | AsadNeural | GulNeural、SalmanNeural、UzmaNeural |
| 越南语 | vi | HoaiMyNeural | NamMinhNeural |

文档没有给这些发音人标性别。默认列只是每行的第一个名字，用来保证换语言就换音色。

## 中文、粤语、爱尔兰语：拼接，但识别走微软

微软同传表没有这三语。源或目标有其中一种时，不启 `AST`，改成三段：

```
耳机麦 / 手机麦 PCM
        ▼
RTASR(RegionMSFT)          只识别源语种
  lang = "msft"            固定值，不要把 zh-CN 填进 lang
  accent = "mandarin"      固定值
  domain = "ist_mul_msft"  固定值
  language_name = 下表     真正的语种
        ▼
整句文本翻译               不再次开识别
        ▼
OnlineTTS(RegionMSFT)      按目标语种选微软神经音色
        ▼
现有 PcmStreamPlayer
```

安卓文档的写法：

```java
mRTASR.lang("msft");
mRTASR.OstAccent("mandarin");
mRTASR.OstDomain("ist_mul_msft");
mRTASR.setParams("language_name", "zh-CN");
```

iOS 同样用 `RTASR(region: RegionMSFT)`，`language_name` 用下表。现在插件把界面语种直接写进 `engine.lang`，和上面的固定值不符，拼接落地时要改过来。

识别语种和这条路径的默认音色：

| 界面语种 | 识别 `language_name` | 作为译文时的默认音色 |
|---|---|---|
| 普通话 `zh` | `zh-CN` | `zh-CN-XiaoxiaoNeural` |
| 粤语简体 `yue` | `yue-CN` | `yue-CN-XiaoMinNeural` |
| 粤语繁体 / 香港 `zh-HK` | `zh-HK` | `zh-HK-HiuMaanNeural` |
| 爱尔兰语 `ga` | `ga-IE` | `ga-IE-OrlaNeural` |

另一端如果是微软同传表里的语言，识别用该语言的区域码（英语 `en-US`、日语 `ja-JP`），合成用 `OnlineTTS` 的区域码音色（英语 `en-US-JennyNeural`，对应同传表里的 `JennyNeural`）。不要用星火的 `x_John`、`x_Catherine`、`xiaoyan`。

现在同声的 `startListen` 在非爱尔兰语时走进 `ASR()`，`language=zh_cn`、`domain=iat`。那是星火听写。中文、粤语、爱尔兰语的拼接不准再进这个分支。

翻译是整句文本，方向仍固定为源 → 目标。中间结果只上屏，整句再翻译、再合成。

两端都不在微软同传表里、又不是中文、粤语、爱尔兰语：同声不启动，也不退回星火听写。

## 改哪些地方

| 位置 | 改动 |
|---|---|
| `sparkchain` 插件 iOS / Android | 同传表内：新增 `AST(RegionMSFT)`，`use_tts` 和 `tts_speaker` 按上一节。表外三语：`RTASR` 按上面的四个固定参数加 `language_name` 启动；`OnlineTTS(RegionMSFT)` 用微软神经音色。同声路径不再创建 `ASR`，不再走 `ClassicTts` |
| `sparkchain_session.dart` | 同声按语种对选一条：`startAst` 或 `startMsftListen`。`startListen` 里现在的星火 `ASR` 不给同声用 |
| `translation_controller.dart` 同声分支 | 表内：PCM 写入 `AST`，译文用 `trans`，音频用 `tts`。表外三语：PCM 写入微软 `RTASR`，整句再翻译，再用 `OnlineTTS` 播目标语种。播放仍进现在的 `PcmStreamPlayer` |
| 发音人 | 表内用同传短名；拼接用上表的 `xx-XX-NameNeural`。不要读 `getIflytekTTSLanguageSpecs` |

`SparkChain.init` 的 `apiType` 仍按现有配置。`RegionMSFT` 是这一次会话的机房，不要为了同声把全局节点改掉。

## 验收

- 日语 → 英语：一条 `AST`，`tts_speaker=JennyNeural`。没有 `ASR`，没有 `xiaoyan` / `tts-api.xfyun.cn`。
- 英语 → 日语：`tts_speaker=NanamiNeural`。两种方向的声音不同。
- 中文 → 英语：日志是 `RTASR`、`language_name=zh-CN`、`lang=msft`。译文用 `en-US-JennyNeural`。没有 `ASR`、没有 `zh_cn`、没有晓燕。
- 英语 → 中文：识别 `language_name=en-US`，播报 `zh-CN-XiaoxiaoNeural`。
- 中文 → 爱尔兰语：识别 `zh-CN`，播报 `ga-IE-OrlaNeural`。
- 粤语 → 英语：识别 `yue-CN` 或 `zh-HK`，对上用户选的简体或香港繁体。
- 连耳机时收音日志仍是「同声翻译收音：耳机麦」，译文从耳机出。