起因很实际：和不同语言的人面对面交流，翻译 App 要么打字太慢，要么“按住说话”特别别扭——你按住时对方不能说，对方说时你来不及按。理想状态是手机往桌上一放，双方正常说话，自动识别、翻译、播报。
App 端为 Kotlin + Jetpack Compose（MVVM + StateFlow）：AudioRecord 16kHz 按帧采集 → 讯飞流式听写（WebSocket，HMAC-SHA256 鉴权）→ DeepSeek 大模型翻译 → 系统 TTS 播报，中/英/日/韩/德/法/西/俄八语互译，约 1500 行 Kotlin，华为 Mate 60 Pro 实机跑通。
踩坑实录最有价值的五个：讯飞 APIKey/Secret 复制写反，401 查了一小时；主线程调 stop() 在部分机型阻塞 5 秒直接 ANR，改成后台线程置 flag 自行退出；AudioRecord.read() 返回 0 时立刻重试把 CPU 打满，必须退让 + 连续失败判定；讯飞旧 HTTP 接口早已下线而全网示例代码几乎全是过时的，一切以官方文档为准；默认 VAD 端点 2 秒太短，把 eos 调到 10 秒给对话留思考空间。
翻译没用传统翻译 API 而是 DeepSeek：输入 ¥1/百万 token，口语翻译质量不输专业 API，全球可用；已知短板是小语种系统 TTS 音色机械，迭代方向是在线 TTS、VAD 免按键、双向对话模式与离线降级。
网页版是纯前端实现（无后端、本站不存任何数据）：Web Speech API 识别（推荐 Edge，微软服务国内可用），翻译走 DeepSeek（可自带 Key，只存本机浏览器）→ MyMemory → Google 多通道自动降级，系统 TTS 播报；三种用法——按住说话、免按键连续说、文本输入兜底。