语音翻译Speech translation
转成什么 · 待核
Whisper 自述是「a state-of-the-art model for automatic speech recognition (ASR) and speech translation」· Gemini「Transcription and translation (speech to text)」各家叫法：translation · 翻译 · speech translation同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获， 然后把「没找到」写成「官方没说」。
asr：谁实现了
ElevenLabs
ElevenLabs Scribe v2
模型页那两档的能力清单里没有语音翻译。⚠️ ElevenLabs 另有 `Dubbing` 产品线，但那是配音不是转写翻译，不能拿它填这一格。
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 v2核验于 2026-08-15机器录入
OpenAI
Whisper large-v3
🎯 翻译是它自述里与识别并列的两件事之一 —— 这一轨里只有它把翻译写进定位。
OpenAI 官方 · Whisper large-v3 模型卡官方来源核验版本 large-v3核验于 2026-08-15机器录入
阿里巴巴
SenseVoice Small
⚠️ 不能照抄那句工具箱清单。 模型卡写的是「SenseVoice is part of the FunASR ecosystem — one industrial-grade open-source toolkit for ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR」—— 那是整个 FunASR 工具箱的能力，不是 SenseVoiceSmall 这一个模型的。拿它去填「语音翻译」就是把工具箱的本事记到模型头上。要填这一格，得读 SenseVoice 自己那一节。
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 Small核验于 2026-08-15机器录入
阿里巴巴
Qwen3-ASR 1.7B
⚠️ 整行未核：立项当天只核到仓库存在与下载量（1.7B 419 万 / 0.6B 416 万，均建于 2026-01-28），模型卡正文还没逐条读。这是「还没读」，不是「读完没找到」。
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 1.7B核验于 2026-08-15机器录入