Hitoo

實時語音翻譯視訊通話平臺，採用自研端到端AI模型AURIS，在保留說話者聲音身份的前提下實現50+語言間的亞300毫秒實時翻譯

語音合成自然人聲實時翻譯

https://hitoo.io/

前往官網

深度報告

Hitoo 是一個革命性的實時語音翻譯平臺，它不僅翻譯語言，還保留了說話者的聲音身份——語氣、節奏、情感，全都在翻譯後的語言中保持原汁原味。基於自研的端到端 AI 模型 AURIS，Hitoo 將傳統翻譯管道從「語音轉文字→機器翻譯→文字轉語音」的三段式架構壓縮為單一模型，延遲降至 300 毫秒以下，支援 57 種語言的 1100 餘條直接翻譯路徑。該產品目前處於有限 Beta 階段，計劃於 2026 年 7 月下旬在 Product Hunt 正式釋出。
Hitoo 由 Matteo Pelosi 創立並擔任 CTO，其背後公司是紐約的 AI 初創企業 Jutsu.ai。Pelosi 在構建 Hitoo 之前觀察到，雖然語音 AI 技術發展迅速，但行業內一直缺少真正能實現實時語音翻譯且保留說話者聲音特徵的解決方案。傳統方法依賴三套獨立服務串接（語音識別→機器翻譯→語音合成），不僅延遲高達 1.5-8 秒，而且每經過一次轉換就丟失一層聲音資訊，最終產出的機械合成音完全聽不出原來是誰在說話。這個痛點在國際商務場景中尤為突出。Pelosi 曾目睹一筆跨國商業合作因為語言障礙而告吹——雙方明明都有合作的意願，但溝通中的理解偏差讓整件事功虧一簣。這個經歷讓他決心從零開始構建一套端到端的語音翻譯架構。 Hitoo 的 AI 模型 AURIS 利用 EuroHPC 算力進行訓練，這種超級計算機級別的計算資源如果在商業雲上執行，成本可達數百萬美元。AURIS 的技術架構從一開始就是為實時音訊轉換設計的，而非從通用視訊會議平臺改造而來。
Hitoo 的核心功能是讓兩個人用各自的母語進行自然對話，雙方聽到的都是對方真實的聲音——只不過轉換成了自己的語言。具體來說，它實現了三個層面的突破：聲音身份保留。這是 Hitoo 與傳統翻譯工具最大的區別。當你用中文說話，對方聽到的不是機器人腔調的英文，而是保留了你這句中文裡語氣、情緒和個人音色的英文。你的朋友依然能聽出是你，你的客戶依然能感受到你的熱情。文化語境理解。直譯往往造成誤解，尤其當涉及到習語、隱喻和文化慣用語時。Hitoo 的模型不只是做詞彙級別的翻譯，而是理解整句的意圖和語境，輸出在目標語言裡自然且準確的表達。極低延遲。從說話到對方聽到翻譯結果，目標延遲控制在 300 毫秒以內。這個數字很關鍵——人類在對話中能夠容忍的自然停頓大約是 400-500 毫秒，低於這個閾值的延遲不會讓人覺得「卡」或「不自然」。傳統三段式管道的延遲通常在 1.5-8 秒，基本無法用於流暢對話。在安全方面，Hitoo 採用端到端 AES-256 加密，不記錄、不儲存、不分析任何通話內容，所有資料處理都在自有的專有基礎設施上完成，不經過任何第三方服務。平臺承諾 99.9% 的可用性。 Hitoo 支援最多 50 人的群組通話，無需安裝任何外掛即可使用。
目前 Hitoo 處於有限 Beta 階段，透過申請制向指定使用者開放測試。創始人明確表示正在尋找企業通訊、客服中心和醫療健康領域的設計夥伴，希望在產品早期階段就與企業使用者深度協作，打磨產品方向。從產品形態來看，Hitoo 的定位偏向企業級服務。從技術架構的複雜度和算力需求來看，其成本遠高於普通 SaaS 翻譯工具，預計正式上線後可能採取按用量計費的企業訂閱模式。不過目前官網上尚未公佈具體定價方案。
由於 Hitoo 目前仍處於 Beta 階段，公開發布的使用者評價較少。從有限的社群討論來看：正面反饋集中在使用體驗的革新性上。有使用者在論壇中提到，在跨語種視訊通話場景中，使用傳統翻譯工具需要「不停地打字、翻譯、閱讀」，對話節奏被打斷得支離破碎，而 Hitoo 帶來的自然對話體驗「改變了整個溝通動態」。也有使用者將其推薦用於國際技術會議，認為它可以解決非英語母語者在技術演講中的溝通難題。關於競品對比，使用者普遍認為 Google Translate 的對話模式雖然能用，但「依然需要點選按鈕等待處理」，體驗「很笨拙」。iTranslate 和 Speak & Translate 更適合快速短語翻譯而非完整對話。
Hitoo 在技術社群中引起了一定關注，daily.dev 上創始人親自撰寫的技術文章《Voice AI got fast. It still can't translate. Here's what we built.》獲得了不錯的傳播效果。行業媒體將其歸類為 AI 驅動的實時翻譯平臺，與傳統的視訊會議巨頭微軟 Teams、Zoom、Google Meet 等進行了對比——對比結果中，Hitoo 在實時語音翻譯、聲音身份保留、低於 300ms 延遲、文化語境理解、50+語言支援、端到端加密、無需外掛等方面全部具備優勢，而傳統平臺在這些方面要麼不提供，要麼僅部分實現。在 Product Hunt 的預熱階段（LaunchPact），Hitoo 獲得了創始人信任評分 90 分，被標記為「已驗證釋出者」。該產品被歸類在客戶溝通、人工智慧和技術三個賽道。從技術角度看，AURIS 模型的設計理念對整個語音 AI 行業有啟發意義。傳統的級聯式管道雖然每個模組都相對成熟，但端到端的延遲和誤差累積是一個固有缺陷。Hitoo 選擇走端到端路線，在訓練成本和推理效率之間做出了不同的權衡。
作為一款尚未正式釋出的產品，Hitoo 面臨幾個核心挑戰。第一，端到端語音翻譯的技術壁壘極高。真正能做到跨語言保留說話者身份特徵且延遲控制在 300 毫秒以內的成熟產品，目前市場上幾乎沒有。Hitoo 的 AURIS 模型在公開評測中的表現還有待第三方驗證。第二，算力成本。AURIS 依賴 EuroHPC 超級計算機進行訓練，這種級別的算力在商業化運營後如何轉化為可持續的成本結構，是一個需要回答的問題。如果每個通話都需要模型實時推理，服務端算力開銷不會小。第三，市場競爭激烈。語音翻譯賽道上有 Google、Microsoft 這樣的巨頭，也有 DeepL、iTranslate 等專注翻譯的玩家。雖然目前它們都沒有真正解決「保留聲音身份」這個問題，但一旦市場被驗證，巨頭快速跟進的可能性很大。第四，產品尚在 Beta 階段，功能完整性和穩定性都還有待驗證。使用者數量和實際使用場景有限，能否支撐起大規模商業部署還不好說。
Hitoo 最適合以下人群：經常需要跨國視訊會議的企業團隊——尤其是銷售、客戶成功和專案管理崗位；擁有多語種客戶群的客服中心運營方；需要與境外合作方溝通的醫療健康機構；以及需要經常進行跨語言交流的個人使用者——如國際學生、旅居人士、跨境戀愛中的情侶。不太適合的人群：只需要偶爾翻譯幾個單詞或短語的使用者——這類需求用 Google Translate 或 DeepL 可能更高效；對隱私要求極高且不願使用任何雲服務的組織；以及預算敏感但通話量極大的團隊——如果正式定價較高，可能不是最經濟的方案。替代方案方面，Google Meet 內建的實時字幕和翻譯功能雖然不如 Hitoo 完善，但勝在免費且與生態深度整合。Microsoft Teams 的翻譯功能也在持續改進，對 Office 365 使用者來說整合度更高。
Hitoo 在實時語音翻譯領域做出了一項真正有價值的創新——用端到端模型替代三段式管道，在保留說話者聲音身份的同時大幅降低延遲。如果實際表現能達到宣傳水準，它有可能成為跨國溝通場景中的一個關鍵工具。不過，作為 Beta 階段的產品，從技術 Demo 到成熟商業產品之間還有很長的路要走。建議關注其產品釋出和早期使用者反饋，待產品穩定後再做評估。

使用者評論

OptimismOneMorales

—

看到 Hitoo 的 daily.dev 文章了，創始人講得挺實在的。傳統的三段式翻譯確實就是那吊樣，延遲高而且音色全丟了。他們那個端到端模型 AURIS 如果真能做到 sub-300ms 還能保留原聲，那確實是個突破。

流光_20

—

看到 Hitoo 的 daily.dev 文章了，創始人講得挺實在的。傳統的三段式翻譯確實就是那吊樣，延遲高而且音色全丟了。他們那個端到端模型 AURIS 如果真能做到 sub-300ms 還能保留原聲，那確實是個突破。

orangegoose744

—

之前和德國客戶開影片會，用 Google Translate 的對話模式搞到大家都很崩潰，你說一句要等半天，節奏全亂了。後來看論壇有人推薦 Hitoo，跑去申請了 Beta，試用了一下，確實流暢很多，對方聽到的還是我自己聲音說出來的英文，這體驗差太多了。

Lilly40

—

之前和德國客戶開影片會，用 Google Translate 的對話模式搞到大家都很崩潰，你說一句要等半天，節奏全亂了。後來看論壇有人推薦 Hitoo，跑去申請了 Beta，試用了一下，確實流暢很多，對方聽到的還是我自己聲音說出來的英文，這體驗差太多了。

Pamela_Carter_99

—

端到端的語音翻譯這個方向是對的，但訓練成本太嚇人了，能用 EuroHPC 算力訓練模型的團隊不多。Hitoo 這個 AURIS 能跑起來就說明技術底子不弱。

HRussell_6642

—

端到端的語音翻譯這個方向是對的，但訓練成本太嚇人了，能用 EuroHPC 算力訓練模型的團隊不多。Hitoo 這個 AURIS 能跑起來就說明技術底子不弱。

DeFwLink

—

等了這麼久終於有產品解決「保留原聲」這個問題了。之前用過的那些翻譯工具，對方聽到的永遠是機械音，完全沒有交流感。希望能儘快開放公測。

CJames_7

—

等了這麼久終於有產品解決「保留原聲」這個問題了。之前用過的那些翻譯工具，對方聽到的永遠是機械音，完全沒有交流感。希望能儘快開放公測。

John_PriceSr

—

Matteo 說因為目睹一次跨國合作因為語言問題告吹才開始做 Hitoo，這個出發點我很有共鳴。我司之前和日本那邊談合作，翻譯軟體翻出來的東西根本沒法用，最後還是靠中間人解釋。

BellaHalstensen

—

Matteo 說因為目睹一次跨國合作因為語言問題告吹才開始做 Hitoo，這個出發點我很有共鳴。我司之前和日本那邊談合作，翻譯軟體翻出來的東西根本沒法用，最後還是靠中間人解釋。

Frances_Lewis_2023

—

50 多種語言覆蓋還保留了說話者音色和情感，這個如果真的能穩定輸出，那對客服中心來說太有用了。我們現在接海外客戶的電話，每次都要找翻譯，成本高還耽誤事。

郝紅

—

50 多種語言覆蓋還保留了說話者音色和情感，這個如果真的能穩定輸出，那對客服中心來說太有用了。我們現在接海外客戶的電話，每次都要找翻譯，成本高還耽誤事。

Judy_Williams_202287

—

和國際團隊開週會的時候試了下 Hitoo 的內測版，說實話第一反應是震驚。我同事用中文說了一長段，我聽到的是英文，而且那個語氣就是他平時說話的語氣，完全沒有 AI 味。

Jean_Nelson_Plus416

—

和國際團隊開週會的時候試了下 Hitoo 的內測版，說實話第一反應是震驚。我同事用中文說了一長段，我聽到的是英文，而且那個語氣就是他平時說話的語氣，完全沒有 AI 味。

AThompson_X

—

就是不知道正式版會怎麼收費，這種端到端模型推理成本肯定不低。如果定價太高的話小團隊可能用不起啊。

LThomas168127

—

就是不知道正式版會怎麼收費，這種端到端模型推理成本肯定不低。如果定價太高的話小團隊可能用不起啊。

LaurenAllen_Pro

—

我之前做國際技術會議的組織工作，發現最大的痛點不是場地也不是日程，而是語言。幾十個國家的 speaker 各說各的，請同傳又貴又不靈活。Hitoo 如果能把群組通話做到 50 人實時翻譯，那真是救星。

SharonPhillips_io

—

我之前做國際技術會議的組織工作，發現最大的痛點不是場地也不是日程，而是語言。幾十個國家的 speaker 各說各的，請同傳又貴又不靈活。Hitoo 如果能把群組通話做到 50 人實時翻譯，那真是救星。

orangebird306

—

看到他們在 Product Hunt 上的預熱了，LauchPact 信任分 90，應該有點東西。先觀望一下第一批使用者反饋再說。

bluecat687

—

看到他們在 Product Hunt 上的預熱了，LauchPact 信任分 90，應該有點東西。先觀望一下第一批使用者反饋再說。

LawrenceHughesQ76

—

試用了一週，最大的感受就是「自然」。不用再對著螢幕按按鈕等翻譯了，直接說話就行，對方聽到的也是我的聲音。連我媽都說對面那個老外聽起來「跟我說話的語氣好像」。

Joseph.RiveraIII

—

試用了一週，最大的感受就是「自然」。不用再對著螢幕按按鈕等翻譯了，直接說話就行，對方聽到的也是我的聲音。連我媽都說對面那個老外聽起來「跟我說話的語氣好像」。

Adam.Hill_99

—

AURIS 這個模型架構確實有意思，不走 text pipeline，直接 audio-to-audio，等於把 STT、MT、TTS 三合一了。不過這樣一來訓練資料的質量和規模要求就更高了。

EThomasK

—

AURIS 這個模型架構確實有意思，不走 text pipeline，直接 audio-to-audio，等於把 STT、MT、TTS 三合一了。不過這樣一來訓練資料的質量和規模要求就更高了。

孔雅_1

—

說實話我對這類工具一直持懷疑態度，因為用過太多號稱「實時翻譯」的產品了，結果延遲感人。不過 Hitoo 的 demo 看起來確實有點不一樣，希望不要翻車。

夏潔桂

—

說實話我對這類工具一直持懷疑態度，因為用過太多號稱「實時翻譯」的產品了，結果延遲感人。不過 Hitoo 的 demo 看起來確實有點不一樣，希望不要翻車。

兔兔617

—

我想知道它對中文方言的支援怎麼樣，如果能聽懂粵語或者四川話翻成英文，那就太強了。

SarahWhite_2023

—

我想知道它對中文方言的支援怎麼樣，如果能聽懂粵語或者四川話翻成英文，那就太強了。

BruceDiaz

—

隱私方面看起來做得很到位，E2E 加密 + 不錄音 + 自建基礎設施不經過第三方。企業客戶應該會比較看重這一點吧，畢竟通話內容都是商業機密。

James_Walker168

—

隱私方面看起來做得很到位，E2E 加密 + 不錄音 + 自建基礎設施不經過第三方。企業客戶應該會比較看重這一點吧，畢竟通話內容都是商業機密。

Hitoo

深度報告

使用者評論

相關連結

同類產品