实时字幕听起来像单一功能，但这个词背后藏着三种截然不同的实现：操作系统覆盖层、浏览器内置字幕和第三方字幕层。每种都在不同场景下取胜，「直接打开字幕」会掩盖出人意料的平台不对称。
三种出现实时字幕的层
同一个「字幕」隐藏了三种非常不同的实现：
- OS 级字幕：操作系统监听系统音频并在浮动窗口渲染字幕。例：Windows 11 Live Captions、macOS Live Captions、Android Live Caption。
- 浏览器级字幕：浏览器从任意标签页捕获音频，只为该标签页显示字幕。例：Chrome Live Caption。
- 应用级字幕：会议或媒体应用在自己的窗口生成字幕。例：Zoom、Microsoft Teams、Google Meet、YouTube。
2026 年比较：何时使用哪种实时字幕
| 提供方 | 层 | 优势 | 限制 |
|---|---|---|---|
| Windows 11 Live Captions | OS 级 | 跨所有桌面应用，设备端隐私，免费 | 英语以外的语言覆盖有限 |
| macOS Live Captions | OS 级 | Apple Silicon 上的系统级字幕，设备端 | 需要较新 macOS；语言列表较窄 |
| Chrome Live Caption | 浏览器级 | 在任何播放音频的标签页工作；本地运行 | 仅限标签页；在很多地区仅英语 |
| Zoom / Teams / Meet 字幕 | 应用级 | 最佳的说话人标签与会议上下文 | 各平台覆盖与管理员策略不同 |
| Live Subtitles | OS 级 + 双语 | 跨应用字幕加实时翻译；跨 Windows 与 macOS 工作 | 需要第三方安装；OS 未预装 |
哪种层在什么时候取胜
OS 级取胜，当
你一天在不同应用间切换 —— 早上会议、午餐 Netflix、下午播客。一个 OS 层跟着你。注重隐私的用例也偏好 OS 级，因为音频不离开设备。
应用级取胜，当
你整天待在同一个会议平台，需要参会者名字作为说话人标签，或管理员在 Teams/Meet/Zoom 中部署了翻译字幕。
第三方跨应用取胜，当
你需要字幕之外的翻译（OS 原生通常同语言），双语显示用于学习，或在不附带原生字幕的平台（Discord 语音、OBS 流、录制视频文件）上需要字幕。
设置清单
- 识别你的主要场景：桌面、移动、浏览器或特定应用。
- 先尝试原生 OS 字幕 —— 免费且无需安装。
- 如果需要翻译或多应用覆盖，添加第三方层。
- 不要在同一上下文堆叠两个字幕层：它们会视觉错位。
常见问题
实时字幕离线工作吗？
Windows 11、macOS 和近期 Android 的 OS 级字幕是设备端。应用级通常需要服务器。
我能同时获得两种语言的实时字幕吗？
原生 OS 字幕通常只是源语言。双语需要第三方层。
实时字幕会取代字幕吗？
对于直播音频是的；对于预录制的影视则否 —— 脚本字幕仍在工艺上胜过 ASR。