翻译的时候得先看准英文原意，不能光按字面硬套。比如"Let's eat"不能翻译成"让我们吃"，得改成"一起吃吧"。还要注意口语里的语气词，像"啊""嗯"这些在音频里容易多出来少出来。句子结构可能被合并或拆分，比如"因为下雨所以没去"在音频里可能变成"下雨没去啊"。

为什么得这么注意呢？因为英文和中文表达习惯差挺多。比如英文多用被动语态，中文习惯主动说。根据前年翻译错误报告，语法错误占35%，用词不当占28%，标点错误占22%。时，设备识别错误概率高达40%，比如把"大约三块五"听成"三百块五"，多字少字概率达40%，句子合并概率35%，标点错误30%。所以翻译前得反复对照原文，像检查"的得地"这种细节，再读几遍模拟口语表达，确保每个词都落在正确位置上。