我做了一款完全在手机本地运行的翻译 App。没有云端，没有 API 调用，数据不离开设备。支持108种语言，具备语音翻译、拍照翻译、屏幕翻译，以及通过蓝牙实现的离线多人会话功能。
起因很简单：我找不到一款真正满足需求的产品，于是自己动手，结果做出了比预想更大的东西。
问题所在
我住在香港。日常生活中，我要用到粤语、普通话、英语，偶尔还有日语。伴侣的家人说粤语，我的工作语言是英语，政府表格用繁体中文，附近餐厅的菜单常常是简体中文或日文。
我把市面上的翻译工具都试了一遍：
Google Translate 在有网络时还算好用，但离线质量骤降。更烦人的是，它把粤语归入"中文"——但凡会说粤语的人都知道，这就像把葡萄牙语归进"西班牙语"一样荒唐。两者共用一套文字，但发音、语法、词汇完全不同。
Pocketalk 售价323美元，而且每次翻译都要联网。香港地铁（MTR）有一半的站没有信号，我根本没法用。
Apple Translate 界面精美，本地处理也做得不错，但只支持约20种语言，完全没有粤语——而香港有95%的人口讲粤语。这件事说明大科技公司在语言优先级上的态度。
iTranslate 把核心功能藏在每年50美元的付费墙后面。DeepL 甚至连语音和拍照翻译都没有。
没有哪款产品能应对这样的场景：和伴侣家人吃饭，席间在粤语、普通话、英语之间随意切换。没有哪款能翻译我在 WhatsApp 上收到的粤语语音消息。没有哪款能在网络差的地方稳定运行。
于是我开始自己做。
第一个版本很糟糕
第一个原型是用 Flutter 写的，集成了单一 ASR 模型（通过 sherpa-onnx 在设备本地运行的 Whisper）和基础 NMT 翻译，大概能处理15种语言。语音识别很慢，翻译质量一般，UI 也丑。
但它能离线运行。就是这一点——在没有 WiFi 的飞机上把一句粤语翻译成英语——让我坚持下去了。
架构的深坑
一旦选择了端侧 AI，你就会掉进一个深不见底的坑。
ASR（语音识别）： 一个模型无法覆盖所有语言。最终我内置了三个模型：Parakeet（针对英语优化，随包内置）、Whisper.cpp（多语言广覆盖，可下载）、Qwen3-ASR（针对中日韩优化，可下载）。App 会根据源语言自动路由到最合适的模型。
翻译： 传统 ML 模型能覆盖61个资源充足的语言对。剩余47种语言（约鲁巴语、阿姆哈拉语、老挝语、缅甸语等），则由本地运行的量化 Gemma 大模型负责翻译。这一步是关键突破，让支持语言数量从61种扩展到了108种。
拍照 OCR： 两套引擎。ML Kit 负责快速识别，PaddleOCR 负责对复杂文字的精细识别。iOS 端需要手动在 Podfile 中加入针对特定文字体系的 pods，因为 Apple 默认只内置拉丁文模型。这个问题花了我整整一天调试，因为识别失败是完全静默的，没有任何报错。
群组会话： 蓝牙组网，最多支持7台设备。每台手机独立完成 ASR 和翻译，消息广播给所有设备，全程无需服务器。
内存管理： 这才是真正的工程挑战。三个 ASR 模型、翻译模型、LLM 和 OCR 引擎不可能同时装进手机内存。App 内置了一套内存预算规划器，根据用户当前操作动态加载和卸载模型。
一些数字
- 开发时长： 从第一次提交到上架 App Store / Play Store，约18个月
- 语言数量： 108种（61种传统 ML + 47种由 Gemma 支持的 AI 翻译）
- ASR 语言： 30种支持设备端语音识别
- OCR 语言： 92种支持拍照文字识别
- 应用大小： 基础包约150MB，模型可按需下载
- 定价： 核心功能免费。高级版 $1.99/月 或 $19.99/年，包含群组会话、文件转录和会议摘要
- 团队规模： 1人
做对了什么
隐私是架构，不是政策。 "我们不会分享你的数据"是一种政策，随时可以改变。"你的数据永远不会离开手机，因为根本没有服务器"是一种架构，不推倒重建就无法改变。用户对这种区别有直觉上的感知。
把粤语当作一等语言对待。 大多数翻译工具把粤语当作"带口音的中文"。Traverba 为粤语配备了专属 ASR 模型。这一点在香港和广东用户群体中反响强烈——他们早就厌倦了被当成边角料来对待。
免费层足够慷慨。 语音翻译、拍照翻译、屏幕翻译、文字翻译，全部免费且不限次数。付费墙只锁定群组会话、文件转录和会议摘要。这一点很重要，因为最需要翻译功能的人——移民、身处陌生环境的旅行者、学生——往往负担不起高额订阅费。
离线优先设计。 所有功能无需联网均可使用。离线不是一种降级模式，离线就是默认模式。这比"也支持离线"是更有力的产品定位。
做错了什么
低估了低端设备的限制。 开发全程在旗舰机上进行。第一次在3GB内存的手机上测试时，有一半功能崩溃了。内存管理应该是最先着手构建的模块，而不是事后补救。
iOS 审核流程。 Apple 以未实现 App Tracking Transparency（ATT）为由拒绝了第一次提交。虽然 Traverba 本身不追踪用户，但 AdMob SDK 会触发该要求。在 Flutter 中把 ATT 正确接入——时序要对（应用启动后、广告初始化前）——迭代了好几轮才搞定。
没有更早发布。 发布前我花了好几个月打磨用户根本没有要求的功能。真正上线后收到的反馈，和我预期的方向完全不同。要早发布、多倾听、快迭代。这道理人人都懂，我还是掉进了同一个坑。
市场机会
翻译市场规模超过400亿美元且持续增长，但目前被两个极端主导：
- 免费云端应用（Google Translate、Apple Translate）：对大多数人来说够用，但牺牲了隐私和离线可靠性
- 昂贵的硬件设备（Pocketalk $323、Timekettle $299、Vasco $350+）：需要联网，而且解决的问题你的手机本来就能解决
中间那块空白——一款免费或低价、完全本地处理、真正好用的 App——出奇地空旷。DeepL 只能做文字翻译；iTranslate 把核心功能锁在付费墙后；大多数 AI 翻译工具只支持云端。
端侧 AI 的质量已经越过了门槛。模型够好了，手机也够快了，底层框架（CoreML、ONNX、sherpa-onnx、LiteRT）也足够成熟了。缺的只是有人在这些技术之上做出真正的产品层。
接下来做什么
近期路线图：
- 支持更多 ASR 语言。 30种是个好的起点，但长尾语言也需要语音识别。
- 提升 LLM 翻译质量。 Gemma 2B 已经不错，但更新、更小的模型可能更好。架构支持在不更新 App 的情况下替换模型。
- iPad 和平板优化。 App 在平板上可以运行，但 UI 尚未针对大屏幕优化。
- Android Vulkan 加速。 iOS 有 Metal 和 CoreML 做 GPU 推理加速，Android 端的 GPU 加速方案（通过 whisper.cpp 的 Vulkan）还需要更多投入。
更大的愿景：让语言不再成为人与人之间连接的障碍，同时打破这道障碍不需要把你的私人对话上传到科技公司的服务器。
如果你看到了这里，不妨试试这款 App，它是免费的。每一条反馈我都会亲自阅读。
Traverba 已上架 Google Play 和 App Store。更多信息请访问 traverba.com。如有问题、反馈或功能建议，欢迎联系：[email protected]