一、背景与交付链路

项目背景是一场口腔种植领域的国际学术会议，中英双向发言，舞台两侧各一块大屏，一块纯英文、一块中英对照，现场不设耳机与扫码入口，观众获取译文依靠屏上字幕。链路分四段：拾音、语音识别、机器翻译、字幕渲染与上屏。四段串行，任何一段抖动都会累积到终态呈现。

二、技术约束拆解

术语一对多：同一术式在不同学派有不同叫法，同一缩写在不同语境指向不同对象，通用医学词表命中率有限。

长句无标点：学术发言从句多，口语没有句末标记，切句边界不稳定，切早了出半句，切晚了滞后。

双屏版式不同：一屏纯英文、一屏中英对照，字号、行数、停留时间不能共用一套参数。

双向链路：中文发言需要英文字幕，外方发言需要中文字幕，两条链路的术语表与语言模型不完全共用。

现场不可控：拾音距离变化、场地反射、屏幕刷新与观众视线。

三、方案设计

术语治理分四步：①抽取，按议程逐节拆出可能出现的名词，不按词性分类，按出现在哪个环节分类，因为同一词在开场与讨论里的语境不同；②收敛，把同义异名合并成一条，指定一个主译法，其余记为禁用译法，避免现场两种说法混用；③条目录入，每条包含术语、语境、主译法、禁用译法四个字段，而不只是中文对应英文一对；④现场校验，设补录入口，新词确认后写入，后续句子直接命中。

切句策略分两层：识别层允许连续输出中间结果，上屏层只接受切句信号。等待窗口按环节配置——主题发言短，讨论环节长；遇到数字、列举、否定句时延长。这样做的代价是字幕比语音晚一点出现，换来的是句子完整、不反复回改。

时延预算需要拆分：识别端点、翻译首字、渲染刷新三段各自占用一部分，单独压任何一段都不会让整体变快。实践中把预算的大头给切句等待，渲染端保留一屏缓冲，观众感知到的滞后反而更小。

渲染层按屏分模板：英文屏单行字符上限高，允许一到两行；对照屏固定上下结构，专有名词加不可断标记，数字与单位绑定为一个不可断单元，长句按语义切分而不是按字数截断。

降级策略前置：识别置信度低的片段先在屏上保留占位，等下一句稳定文本到达后合并替换；翻译超时先出短句，长句在后续刷新补齐。占位与替换规则写进配置，避免现场临时决定。

四、踩坑记录

同一术语两种译法：开场译成A，讨论里译成B，观众以为是两个东西。处理是把禁用译法写进条目，翻译端命中禁用项时强制替换为主译法。

半句上屏：讨论环节抢话，识别先送出半句，翻译跟着出，屏上出现没有谓语的句子。处理是把切句权从识别层上移到控制层，上屏必须等切句信号。

机构名过长：对照屏行宽有限，长机构名被拆成两行，观众读到一半要重新找主语。处理是给机构名单独设字号档，超长时缩字号而不是折行。

数字与单位分离：数值与单位被分到两行，临床含义就变了。处理是把数值、单位、百分号绑定为一个不可断单元，翻译前先做一次归一。

屏幕反光：现场灯光打在屏上，深色背景下的细字容易糊。处理是提高字重、减少行数，必要时把对照屏的中文行放大。

五、可复用清单

会前按议程逐节抽词，按环节而非词性分类。

同义异名合并，指定主译法与禁用译法。

术语条目四字段：术语、语境、主译法、禁用译法。

识别层与上屏层解耦，上屏等切句信号。

等待窗口按环节配置，数字、列举、否定句延长。

时延预算拆分到三段，不单独压某一段。

双屏分模板，术语与数值加不可断标记。

现场留补录入口，新词确认后即时写入。

六、小结

这类现场的系统设计，难点不在单点指标，而在译法能不能统一、句子能不能等、屏上能不能读完这三件事。把术语收敛成条目、把切句权收归控制层、把双屏分开排版，模型换哪一家，差异都不会太大。