确实有延迟。原因如下，以及你要为此付出的代价。
在你不会说的语言里让人听懂你，任何方式都有延迟。问题不在于 Taiwa 是否有延迟，而在于它与其他方案相比如何，以及我们如何尽量缩短延迟。
三种翻译方式
让客户被听懂有三种方式。三种都有延迟。通常只有一种被称为即时，但它并不是。
母语人士
延迟：没有。等待：其他所有环节。
没有翻译延迟，因为根本不需要翻译。但你必须找到合适的人，把电话转给他们，并希望他们正在值班——这意味着要为接听的每种语言都雇用多语客服。需要覆盖长时段，或某种语言每周只有几通电话时，这种做法撑不了多久。
电话口译员
延迟：两到六秒，实时口译。
通话中多了第三个人。公开的同声传译研究显示，专业口译员通常比说话者慢约两到六秒；超过约四秒后，准确率会下降，因为他们要在记忆中保留更多句子内容。许多电话口译改用交替传译——双方轮流说、停、等——这样避免了这类延迟，却会拉长通话。
Taiwa
延迟：每轮对话慢几秒。
在一次受控测试中，Taiwa 的翻译音频在客户开始说话后约三到七秒开始播放——大多数语言都落在口译员研究报告的大致耳口时距内，韩语和中文略高于这个范围。机器不像人那样把句子保存在工作记忆中，但延迟不会因此消失。该测试中，客户通常还没说完整句话，翻译就已经开始播放。通话中没有第三个人，无需转接，也不用等人有空。
口译员数据来自已发表的同声传译耳口时距研究。 ↓
为什么延迟有下限
你无法翻译还没听到的句子。
翻译不是转写。要把一句话译成另一种语言，必须先听到足够多的内容才能判断含义，而“足够”往往是句子的大部分。
以“I went to the bank”为例。在接下来的几个词出现前，这既可能指河岸，也可能指金融机构，而大多数语言会用不同的词表示两者。提早猜，快但会错。等一等，慢但正确。
每位同声传译员都在持续做这种取舍：跟得太紧，就会在说话者表达完整前确定含义。
部分下限来自语言，而非技术。更快的硬件可以缩短处理时间，但无法让任何系统翻译尚未出现的含义。这就是实时翻译都不可能即时完成的原因，我们也不例外。
德语问题
有些语言会让情况更难，这不是任何人的错。
德语常把动词中决定含义的部分留到从句末尾。日语则更一贯地把谓语放在句末。在那部分出现前，你可能知道涉及谁、涉及什么，却不知道实际发生了什么。
Ich habe den Vertrag gestern zusammen mit meinem Kollegen …
我昨天和我的同事一起把合同……
gekündigt.
取消了。
在最后一个词出现前，前面的内容既可能接“签署了”，也可能接“读了”或“弄丢了”。决定性动作最后才出现。
而且不只德语，也不只是动词。普通话、日语和韩语都可能在句末才标记是非问句——最后出现一个 吗、か，或韩语动词词尾。前面通常已有线索，但稳妥的英语句式可能取决于最后这部分：陈述句，还是疑问句？
口译员也会遇到完全相同的障碍——研究指出，他们从德语口译时会被迫增加延迟，等待从句末尾才出现的谓语。这不是机器翻译的局限，而是语言本身的特性。
所以，我们对这种担忧做了个简单测试。在一次使用合成语音的受控运行中，一句含义在最后两个词才发生转折的德语句子，开始翻译的时间并不比普通句子晚。简短的普通话、日语和韩语疑问句，翻译速度与对应陈述句一样快，也被正确译成疑问句，带有英语置于句首的“Did…”。这不能证明所有长句都表现相同。但它说明，引擎不会一直沉默，等最后的动词或助词出现：它会从开头开始，随后补齐其余部分。
你可以看到这个过程。
一个受控句子，由十三种语言各自的合成母语语音说出，并通过 DeepL Voice 真正实时翻译成英语。灰条代表源语音，黑条代表首次出现的翻译音频。在这一次运行中，十三条黑条有十一条在灰条结束前开始——句子还没说完，翻译已经在播放。
通过 DeepL Voice 引擎测量——一个句子，每种语言一条合成母语语音，单次运行；源音频已做响度归一化并裁剪静音。这是该次运行的结果，并非基准测试。韩语和中文的翻译音频在源语音结束后约 0.6–0.7 秒开始。DeepL 持续改进引擎，所以我们会重跑测试并更新页面，而不是一直挂着一张对我们有利的快照。
我们的做法
我们不等完整句子。
DeepL 会随着短语形成而流式输出，并在更多内容到来时修订文本，不会沉默地等说话者停下。翻译常在句子结束前开始——但如上图所示，并非每次都如此。
文字记录先于音频到达。
文本通常先于语音翻译出现，因为语音还要合成。因此，客服可以边读边理解客户的意思，等句子稳定后再行动。
文字记录会原地自我修正。
短语先以暂定行出现，随着句意明确而更新——文字记录中的河岸会变成金融机构，无需任何人重说。语音则相反：一旦播放，就无法收回。
先读，后听
延迟确实存在。其他方案的成本也确实存在。
电话口译员会增加准备时间，也让通话中多一个人。母语人士没有延迟——前提是有人当班。若这种取舍优于等待、转接，或自行配齐每种语言的人员，Taiwa 就适合这类通话。