# 評估過 Transync AI 的定價後，我用 $0 自己做了一套即時會議翻譯（每場成本 16 元） > Transync AI 個人版 $8.99/月、企業版 $24.99/座位/月，超時還要加購時數卡。我用 AI 協作自建一套：每場會議只要台幣 16 元，附完整成本拆解與開發紀錄。 - Author: Paul Kuo（郭曜郎） - Date: 2026-03-12 - Pillar: 智能與秩序 / Intelligence & Order - Tags: 人機協作, 超級個體, 即時翻譯, 語音辨識, AI素養, Transync AI, 即時翻譯工具比較, Groq - Series: Build Log (part 1 of 6): https://paulkuo.tw/series/build-log/ - Canonical: https://paulkuo.tw/articles/ai-collab-realtime-translator/ - Site index for LLMs: https://paulkuo.tw/llms.txt - Idea file (goal, constraints, tradeoffs, acceptance criteria; feed it to your agent to rebuild this project): https://paulkuo.tw/articles/ai-collab-realtime-translator.idea.md --- 我用了快三年的逐字稿服務 Good Tape 今天剛好到期。帳單拉出來一算：€476，大概台幣一萬七。我是Pro 方案。看了一下這個月的使用量：還剩20 小時。
▶ 聽摘要
AI 合成語音・作者本人聲線克隆
## 為什麼想要自己做 因為AI Agent 進步太快！已經改變工作模式。加上常有會議 — 台日、中英、偶爾有東南亞夥伴。 持平來說，三年前Good Tape 是好工具，這是丹麥團隊做的，主打安全和準確。但它解決的是「事後」的問題：錄完音上傳，等它跑完逐字稿。沒有即時辨識，沒有翻譯，沒有摘要。 我三年付了 €476（台幣約一萬七），拿到逐字稿功能。當時能有這樣的功能已經很驚喜，但若能在「當下」，如會議正在進行中，對方講日文可以即時看到中文，那就更棒。不是會後才慢慢整理。 目前市場上的即時翻譯競品： - **Transync AI** — $8.99/月（10 小時），功能最接近我要的，有即時語音翻譯 + 會議摘要 + 60 語言。但要裝 App，而且超過時數另外買時數卡（$7.99/10hr 起）。用越多越貴。 - **JotMe** — $9-15/月，107 語言，但綁 Chrome Extension - **Wordly** — 企業定價，按小時買包，10 小時起跳 - **KUDO** — 年度授權，不公開價格，鎖定大型企業 - **Palabra** — 要裝桌面 App，綁定特定會議軟體 我想要的其實很單純：打開瀏覽器就能用，不裝任何東西，手機電腦都行，跟老外開會可以一邊透過AI協助理解，且成本透明可控。如前天分享的，決定自己做。 ## 工具叫「即時會議記錄｜阿哥拉廣場」，部署在我的個人網站上 - 🎙 **即時語音辨識** — 說話的當下就出文字，不是錄完才轉 - 🌍 **12 種語言即時翻譯** — 繁中、簡中、英、日、韓、越、泰、印尼、德、西、法、葡 - 📋 **AI 會議摘要** — 一鍵產出重點整理 + 待辦事項 + 決議 - 📖 **術語表** — 自訂專業術語對照，確保翻譯一致 - 🖥 **字幕模式** — 全屏黑底大字，投影會議室用 - ⬇️ **全文匯出** — TXT / CSV，可丟進 Excel - 💰 **即時成本追蹤** — 每一筆 API 呼叫花多少錢，透明可見 - 🔐 **三層認證** — Google / LINE / Facebook OAuth + 邀請碼 前端 2,533 行，後端 2,148 行。一個 HTML 檔加一個 Cloudflare Worker。 ## 技術上最有趣的部分：三路語音辨識路由 語音辨識不是只挑一家 API 就好。不同語言有不同的最佳解。根據語言自動切換引擎： ![三路語音辨識路由架構](/images/articles/ai-collab-realtime-translator-stt-routing.png) - 🇹🇼 **中文** → Qwen3-ASR（阿里雲 Qwen 團隊，WebSocket 串流） - 🇺🇸 **英文** → whisper-large-v3-turbo（LPU 硬體加速，200×+ 即時速度） - 🌐 **其他語言** → Deepgram Nova-3（WebSocket 串流） 翻譯統一用 Claude Haiku 4.5（Anthropic），再用串流輸出，翻譯結果是一個字一個字跳出來的，不是等全部翻完才顯示。除了考慮輸出品質，也有考慮成本。 - **Groq**：$0.02/hr，英文最便宜 - **Qwen**：~$0.40/hr，中文辨識率 97%+，專業術語（方言也支援）也準 - **Deepgram**：$200 免費額度，多語言通吃 一場 1 小時的中英會議，API 成本大約 $0.50 USD。台幣 16 塊。換算一下：我在 Good Tape 花的 €476，等於用自建工具開超過 950 場會議。Transync AI 的 $8.99/月用一年是 $108，同樣的錢可以開 216 場。 ## 但這篇文章真正想說的不是技術 做這個工具的過程，其實是一個學習「怎麼跟 AI 協作」的過程。我不是工程師。我的背景是生命科學、神學、農產電商、循環經濟等。寫程式對我很困難。雖然第一個創業的題目是做Fintech 的SAAS，但整套工具與服務都是靠七個人的團隊協助。 我有種感覺，跟 AI 協作，需要的不只是程式能力，應該是一種新的素養（我還說不太清楚）。 ### 拆解問題比寫程式碼重要 Groq 串接不是一句「幫我加上 Groq」就會動。我把它拆成兩個 Phase：Phase A 後端先把 API endpoint 做好、部署、驗證能打通。Phase B 前端再做語言路由，讓它根據選的語言自動切引擎。 每個 Phase 獨立可驗證。壞了只壞一半，不會整個炸掉。這個拆法不是 AI 教我的，是我從多次失敗學到的 — 一次想做太多，中間 token 用完或 context 壓縮，連帶搞壞前面做對的部分。 ### 問對問題，比叫 AI 直接寫更有效 不是說「幫我做一個翻譯工具」。而是：「現有的 WebSocket proxy 模式不能用在 Groq 上，因為它是 REST API 不是 WebSocket。前端需要改成 chunked HTTP 模式，每 3 秒切一段音訊 POST 出去。onstop + restart 循環會有 race condition 嗎？」 這種問題才會得到有用的答案。 ### 功能寫完不是結束，要做 Code Review 我請 Claude 用工程角度檢查剛寫完的程式碼。結果真的抓到三個問題：Groq 連續失敗時完全靜默、MediaRecorder 的 closure 安全問題、動畫效果沒有在新引擎觸發。 這三個 bug 我自己不會發現。但我知道要「問這個問題」。 ### AI 不會主動幫你巡邏 Fitbit 健康數據壞了好幾天，是我偶然問了才發現。根因是一個 function 少傳了一個參數，每次排程執行都靜默失敗。AI 不會半夜起來幫你檢查系統有沒有壞掉。你要知道該問什麼、什麼時候該問。 ## 這是一種新的工作體感 過去我們說「資訊素養」，是指會搜尋、會判斷資訊真假。現在我們可能需要的是「AI 素養」： - 知道怎麼把大問題拆成 AI 能處理的小問題 - 知道怎麼描述技術約束條件，讓 AI 給出可執行的方案 - 知道什麼時候該信任 AI 的輸出，什麼時候該自己驗證 - 知道 AI 的能力邊界在哪裡 — 它能幫你寫、幫你查、幫你 review，但不會主動替你思考該做什麼 這不是工程師的專利。這是每個想善用 AI 的人都需要的能力。 我不會寫程式，但我想跟 AI 協作做出一個即時翻譯工具（一言不合就弄套軟體已經成真）。