语音不能直接译。链路是：语音 → 转写成文字 → 再翻译。转写这一步的准确率决定了最终效果。
口音是最大变量。同样一句英语，美音转写准确率通常在 95% 以上，印度口音、中东口音可能掉到 80% 以下。
环境噪音第二。工厂、街道、车里录的语音，转写错误会成片出现。
语速和口音混在一起最麻烦。转写出来的文字读不通，翻出来的意思就跑偏了。
涉及价格、型号、数量的内容，一定请对方发文字。语音里 "fifteen" 和 "fifty" 转错一位，报价就废了。
话术可以是："为了确保信息准确，方便的话把型号发文字给我"。客户一般都会配合。
紧急情况先用语音转写大致理解意思，再用文字确认关键信息。两步走比只靠语音安全。
把"关键信息必须文字确认"写进客服规范。这不是不信任工具，是这类信息容错率为零。
语音消息在客户端里可以保留原文和转写结果，方便后续核对。转写结果要标记出来，不要和客户原话混在一起。
如果语音量很大，考虑把常用语种的转写通道单独优化，或者干脆引导客户走文字渠道。
主流语种都支持，小语种覆盖不如文字翻译全。语种不确定时先看对方历史用的是什么语言。
技术上必须经过转写这一步，界面上看到的"语音翻译"实际是转写加翻译两步。
可以。转写结果是一段可编辑的文本，改完再翻。