扣子平台可搭建无需后端代码的多语言同声传译agent：配置语音输入、接入多语种asr/tts插件、设置动态翻译路由、启用低延迟流式tts。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让一个AI助手实时听懂中文讲话并同步输出英文翻译，同时支持反向翻译和切换其他语种，比如日语、西班牙语——扣子平台能直接搭建这种多语言同声传译Agent，无需写后端代码，但必须严格配置语音识别、翻译模型与流式响应链路。
创建基础Agent并启用语音输入
进入扣子官网控制台→点击「新建Bot」→选择「空白模板」→在「基础设置」中将Bot名称设为“同声传译官”，描述填写“支持中英日西实时互译的语音Agent”。
下滑到「能力设置」区域，开启「语音输入」开关，并勾选「自动开始语音识别」；【未开启此选项会导致用户必须手动点按麦克风才能触发识别，无法实现真正同声】。
保存基础配置，此时Agent已具备接收语音流的能力。
接入多语言ASR与TTS服务
在「插件与API」页面点击「添加插件」→搜索并启用「飞书语音识别（MultiLang）」插件，授权后进入其配置页，在「支持语种」中勾选中文（zh-CN）、英语（en-US）、日语（ja-JP）、西班牙语（es-ES）。
同样方式添加「Azure文本转语音」插件，语种需与ASR一一对应：zh-CN→Microsoft Server Speech Text to Speech Voice (zh-CN-XiaoxiaoNeural)，en-US→en-US-JennyNeural，其余同理；【语种Voice ID不匹配会导致TTS报错中断，且错误提示不明确】。
完成两项插件绑定后，返回Bot编辑页，在「工作流」中拖入「语音识别」节点，将其输出连接至下一个处理节点。
构建动态翻译路由逻辑
方法一：用「条件分支」判断语种并调用对应翻译模型
在工作流中语音识别节点后，添加「条件分支」节点；设置判断字段为「识别结果.语言代码」；分支规则依次为：zh-CN→走「通义千问翻译（中→英）」插件，en-US→走「通义千问翻译（英→中）」插件，ja-JP→走「DeepL翻译（日→中）」插件，es-ES→走「Google翻译（西→中）」插件。
方法二：用「变量注入+统一翻译API」减少插件数量
先在语音识别节点后插入「设置变量」节点，将识别出的语言代码存为变量「src_lang」，再将识别文本存为「src_text」；接着插入「HTTP请求」节点，URL填入你自建或托管的翻译API地址（如FastAPI部署的NLLB微服务），Body使用JSON格式：{"text": "{{src_text}}", "source_lang": "{{src_lang}}", "target_lang": "zh-CN"}；注意Header中必须包含"Content-Type: application/json"。
两种方法都需确保翻译结果字段被正确映射为下一步TTS的输入文本。
启用低延迟流式语音合成
第一步：在TTS插件节点配置中，关闭「等待全文生成完毕再播放」选项；
第二步：将翻译结果字段拆分为句子级chunk——在TTS前插入「文本分句」节点，选择「按标点与长度双策略分割」，最大单句字符数设为45，确保每段不超过TTS单次合成上限；
第三步：启用「流式输出」模式：在TTS节点右侧「高级设置」中勾选「启用WebSocket流式响应」，并将「语音流传输间隔」设为300ms；这一步决定用户听到翻译的延迟高低，设为1000ms以上会明显感知卡顿。
最后把TTS节点输出连回「语音输出」组件，发布Bot。
