文字双向翻译跑通以后，跨境接待里下一层卡点几乎都落在语音和图片上。客户随手发一段西语语音、一张手写地址、一张商品瑕疵图，文字翻译窗口里什么也看不懂，回复就会停住。独角兽翻译器在WhatsApp等场景里把语音转写、图片抽字和双向翻译串在同一套语言配置上。下面按接收、核对、回复、排错四层把操作写清，方便对照着点。
一、先确认三件事，再去点语音和图片
语音和图片不会单独长出一套语言。它们沿用当前账号、当前粉丝已经设好的源语言、目标语言和自动识别。
开始前检查：
工作语言是中文，接收侧才能看到中文转写和译文。
该WhatsApp或对应平台的目标语言已按市场设好，发送侧才不会把中文语音稿直接丢出去。
粉丝独立翻译如已打开，这条语音会跟该联系人的语种走，而不是跟全局默认走。
网络稳定。转写和识图都要走服务端，弱网时表现为转圈、空白或只出原文不出译文。
这三项不过关，后面怎么点都像功能坏了。文字翻译已经正常的账号，再测多媒体，判断会准很多。
二、接收语音：转写、对照、再决定怎么回
以WhatsApp最常见。对方发来一条语音后，在独角兽翻译器的聊天窗口点开该条语音，不要先跑去手机端另开翻译软件。
正常顺序是：
系统先把语音转成对方语言的文字。
再按当前语言配置译成中文。
窗口里同时能看到转写稿和中文译文，必要时对照听原音频。
转写稿用来判断专有名词：人名、品牌、地址、尺码。译文用来快速抓住意图：要报价、要改地址，还是在投诉。两者一起看，比只看一句译文稳。
转写明显跑偏时，先听原音频里有没有口齿不清、环境噪音、方言或术语。口音重的西语、阿语、东南亚英语，专有名词错是常态。把正确写法记进该客户备注，下次报价和物流单直接复制，不必等下一次转写碰运气。
群语音更吵。先确认这条语音来自哪个成员，再决定是否认真转写。大群里的闲聊语音不必条条深抠，核心客户的询盘语音才值得核对专有名词。
三、用语音或文字把回复发出去
听懂以后，回复有两条路。
第一条，打中文，让系统译成对方语言再发文字。适合地址、订单号、政策条款，客户事后也能回看。
第二条，先在输入框生成对方语言文本，再视平台能力决定是否转语音发出。不是所有平台都同等支持语音合成，WhatsApp上文字回复仍然是主路径，语音更多用在接收理解。
发送前必须看预览。预览仍是中文，说明发送翻译没开，或该粉丝目标语言被设成了中文。不要靠“我好像设过”的记忆，以这一条消息的预览为准。
涉及钱、物流、尺码的句子，用短句。例如：“请确认尺码是M还是L。”“地址里的门牌号请用阿拉伯数字再发一次。”短句转写和回译都更稳，也方便客户语音回复时只答关键词。
四、图片怎么译：先抽字，再当一条文本处理
图片翻译不是“看懂整张图的构图”，而是把图上的字提出来再翻译。商品详情截图、快递面单、聊天截图、手写纸条，都走同一路径。
操作上：
点开图片，等待识别完成。
先看抽出的原文，核对有没有漏行、把图标当成字、把数字1认成7。
再看中文译文。
需要回复时，针对抽出的关键字段写中文，预览后发出。
面单和地址图优先核对外文专名和数字：邮编、电话、门牌。这两类错了，再漂亮的译文也没用。商品参数图优先核对尺码、颜色、数量，把译文里的单位和原文对一下，避免把cm译成inch却没改数字。
拍糊、反光、竖排艺术字、水印压字，识别率会掉。让客户重拍一张“字在中间、光线均匀、不要滤镜”的图，比在错误识别结果上反复猜更省时间。多图连发时一张一张点，不要假设系统会自动拼成一篇完整说明书。
五、和文字翻译、快捷回复放在同一套工作流里
多媒体不是孤岛。建议固定成一条接待流：
未读进来，先看是文字、语音还是图片。
语音就转写加翻译，图片就抽字加翻译，文字就直接看双语。
意图清楚后，调用该市场的快捷回复，发送前改数字和订单号。
把地址、尺码、运单号写进备注或标签，避免下一条语音又把同一串信息说错。
售后场景尤其适合这条流。客户先发一段抱怨语音，再发一张破损图。先完成转写和抽字，再决定用哪条售后模板。不要只回“收到请补充信息”，对方已经用语音和图片把信息给过了。
定时群发、群公告仍然以文字为主。不要把未核对的语音转写稿直接群发出去。群发前的每条内容，按账号目标语言预览一遍。
六、不准、很慢、没结果时怎么排
只出音频控件、没有文字：该平台当前版本可能未覆盖语音转写，或这条消息还在排队。先看同一会话的文字翻译在不在，文字都没有就回头查授权和网络；文字正常、只有语音空，再重进该条消息或等片刻。
有转写没有译文：语言识别错了，或该粉丝目标语言不对。把这条消息的语种手动指认一次，并检查粉丝独立翻译。
译文有了但关键数字全错：不是引擎坏了，是近音和形近字。以原音频和原图为准改备注，回复里把正确数字单独写一行。
很慢：高峰时段、超长语音、高清大图都会排队。把长语音让客户改口成两句短的，大图压缩后再发，比刷新十次有用。
电脑端有结果、手机原App没有：这是正常现象。独角兽翻译器的转写和译文在客户端呈现，不必然回写到手机WhatsApp的气泡上。对外接待以客户端窗口为准即可。
七、当天就能练熟的最小练习
找一条真实客户语音，走完转写、中文译文、专有名词核对、中文回复、发送预览。
再收一张地址或参数图，走完抽字、对数字、改备注、用快捷回复发出。
同一客户再发一条文字，确认三种消息类型都落在同一套账号语言和同一套标签下。
三轮都通，语音和图片就不再是“额外功能”，而是文字翻译的延伸。独角兽翻译器要解决的是整段对话不断线：对方用嘴说、用手机拍、用键盘打，你都在同一个窗口里看懂，再用中文想、用对方语言回。层次一旦固定——先语言配置，再转写识图，再预览发送，最后把关键信息写入备注——后面无论加语种还是加账号，都不必重新学一套操作。