RTranslator 离线实时翻译完整指南：3 步在 Android 手机上跑通双语对话-育师

RTranslator 离线实时翻译完整指南：3 步在 Android 手机上跑通双语对话

【免费下载链接】RTranslatorOpen source real-time translation app for Android that runs locally项目地址: https://gitcode.com/GitHub_Trending/rt/RTranslator

RTranslator 是一款 Android 平台的开源免费应用，把语音识别和机器翻译整套流程搬到了设备本地执行，实现不依赖网络的实时翻译。飞行途中、地下车库这类彻底无网的环境里，它照样能把你和对方不同语言的对话转成各自听得懂的话。本文按"速览 → 上手 → 功能 → 实现 → 实战 → 隐私 → 答疑"的顺序，把它完整讲一遍。

项目速览

项目	说明
它是什么	运行在 Android 本地的离线实时翻译应用，语音与文字双向处理
适合谁	出境旅行、跨国会议、语言学习者，以及一切不想让语音数据出手机的场景
核心能力	多设备蓝牙实时对话、单设备对讲机式问答、文本翻译，三种形态可切换
语言支持	30 种主流语言开箱即用；开启"低质量语言"选项后扩展到 40 余种
设备门槛	建议 6GB 以上内存（RAM）的 Android 手机，CPU 越快体验越流畅
系统要求	Android；朗读环节依赖手机自带 TTS 引擎，推荐 Google TTS
开源情况	应用代码完全开源，个别依赖模型与闭源库（如 Ml Kit）在文档中如实标注

快速上手

获取安装包：从仓库的发布页面下载最新的 APK 文件（仓库地址 https://gitcode.com/GitHub_Trending/rt/RTranslator，取其中 RTranslator 仓库的 Releases 即可），安装到手机。
等待模型下载：首次启动时，应用会自动拉取约 1.2GB 的 NLLB 与 Whisper 模型文件。这一步是耗时大头，建议连上稳定的 Wi-Fi，期间不要反复杀掉应用。
初始配置：授予通知权限（用于对话/对讲机模式在后台运行时的状态提示）与麦克风权限；在设置页确认应用语言、目标语言，必要时微调麦克风灵敏度。
跑通第一次翻译：先用文本翻译模式输入一句话，确认译文与"朗读/复制"按钮都正常；再让两位同事各装一台，走一遍蓝牙配对与接受连接请求，听到对方手机里传出自己的声音，就算彻底跑通了。

新手常见的初始化坑：网络环境对初始下载不友好时，可以用电脑单独下载全部.onnx模型文件，通过 USB 放进手机的Android/data/nie.translator.rtranslator/files目录，应用会自动校验完整性、只补下损坏的部分，详见仓库内的手动放置模型文档；内存不足 6GB 的手机存在崩溃风险，可先打开设置里的"支持低质量语言"选项缓解。

功能全景

想在跨设备对话中当"随身翻译"

适合两人或多人各持一部手机的长对话：商务会谈、家庭聚会、跨国团队。双方在对话模式下发起并接受蓝牙连接后，你说中文、对方听日文，整个流程自动完成：本地收音、语音转文字、文字发到对端、对端翻译成对方语言并朗读出来，双向同时进行。每台手机还能同时连接多台设备，所以"三个人、三种语言"这种组合也能跑。

想站在街头问个路

适合问路、问价、问营业时间这类十几秒的快问快答。对讲机模式只用一部手机：它在同一时间监听你预设的两种语言，自动判断对方说的是哪一种，把内容翻译成另一种语言并从手机扬声器朗读，朗读结束后自动恢复监听。注意它是"轮流说话"的设计，不是严格意义上的同声传译，也不支持蓝牙耳机。

想快速看懂一段文字

菜单、票据、文档片段这类文字内容，直接用文本翻译模式：输入或粘贴后得到译文，配合朗读按钮和一键复制，不用来回切换应用。

想在没有网络的地方持续用

飞行模式、地下车库、信号盲区里，对话与对讲机两种模式可以保持运行，应用甚至支持后台工作。只是部分手机会限制后台功耗，遇到翻译变慢时，把应用留在前台、屏幕常亮是最稳妥的做法。

技术实现拆解

整条链路分四个环节：语音转文字用 Whisper-Small-244M，文字分词用 SentencePiece，跨语言翻译用 NLLB-Distilled-600M，文字朗读则交给手机系统的 TTS 引擎。语音识别的输入语言判断由 Ml Kit 完成。推理统一跑在 ONNX Runtime 上，全部发生在设备本地，核心逻辑集中在 voice_translation/neural_networks/ 目录，模型加载与完整性校验的入口见 NeuralNetworkApi.java。

性能是这类应用能不能落地的关键，作者对两个模型都做了针对性改造：int8 量化（保留少数敏感权重避免质量损失）、引入 KV 缓存、拆分模型部件消除运行时的权重重复。实测对比如下：

模型	指标	常规 ONNX 版本	RTranslator 优化版
NLLB-600M	内存占用	2.5 GB	1.3 GB（1.9 倍）
NLLB-600M	75 个 token 耗时	8 秒	2 秒（4 倍）
Whisper-Small	内存占用	1.4 GB	0.9 GB（1.5 倍）
Whisper-Small	11 秒音频耗时	1.9 秒	1.6 秒

另外，面对内存不足 8GB 的设备，Whisper 还能切换到 0.5GB 内存的档位，代价是 11 秒音频耗时升至 2.1 秒，属于自动的降级方案。

实战走查

场景一：两地开一场不用翻译的会

背景：林姐带团队赴东京见合作方，双方手机都装好了 RTranslator 并下好模型，会议室没有外网。

操作：双方进入对话模式，林姐发起蓝牙连接，对方接受；各自戴上蓝牙耳机。林姐说"我们先对一下交付节奏"，加藤的手机随即读出"まず納期の流れを確認しましょう"；加藤的回应同样在 2 秒左右转成中文，从林姐耳机里出来。整场会没有一个人打开过浏览器或搜索框。

结果：跨语言的往返对话平均延迟约 2 秒，全程离线完成。会议结束后双方设备间不留任何文本记录，要留纪要得靠自己的笔记。

场景二：里斯本街头问路

背景：陈老师独自旅行，在里斯本老街迷了路，身边没有会中文的店员，手机也没有当地流量。

操作：打开对讲机模式，把两种语言设为"葡萄牙语 + 英语"。他对着手机说"请问大教堂怎么走"，手机先把这句话转成英语播放出来；店员用葡萄牙语比划着回答，手机检测到是葡语，于是翻译成中文从扬声器里念给陈老师听。念完一轮后自动恢复监听，他还可以接着追问"要多久"。

结果：一部手机、两个人、三种语言（中、英、葡）完成了一次完整的路径问答，没有联网、没有第三方平台参与。

数据与隐私

麦克风采集的音频只在手机内存中做转写，处理完即丢弃，不落盘、不上传。
设备之间的文本只走蓝牙直连通道，不经过任何中转服务器。
开发者没有部署后端服务，应用内也没有账号系统，因此不存在"数据存到了谁的服务器"这一环。
模型文件与校验日志全部位于手机本地存储（Android/data/nie.translator.rtranslator/files），卸载应用即可带走全部痕迹。
具体条款见仓库内的隐私政策。

高频疑问快答

Q1：模型下载慢或反复失败，怎么办？用电脑从仓库发布页下载全部.onnx文件，手机先启动一次应用（授权通知权限后退出，用于创建目录），再经 USB 把文件拷入Android/data/nie.translator.rtranslator/files，重开应用即自动校验入库。完整步骤见 Sideloading.md。

Q2：手机只有 6GB 甚至更少内存，能跑吗？官方口径是"至少 6GB"。低于这个值容易崩溃：先在设置里打开"支持低质量语言"降低占用；仍不够的话可考虑 1.0 版本（注意它依赖 Google API，并非完全免费与离线）。内存 8GB 以上的设备则无需任何特殊设置。

Q3：后台运行变慢，怎么解决？这是部分手机对后台的功耗限制所致，不是模型本身变慢。把应用切回前台、保持屏幕常亮即可恢复速度；长期使用时可顺手检查系统里针对该应用的"电池优化/省电策略"设置。

Q4：蓝牙对话中途断连了？这是 README 中登记的已知问题之一。重新发起配对一般可恢复；多次复现的话，到仓库的 issue 区提交报告，附上手机型号与 Android 版本。