在观看外语讲座、在线课程与跨国会议时，用户需要的往往不是会后的逐字稿，而是当下屏幕上及时、稳定、易读的字幕。
传统实时字幕通常面临两难：等待整句结束再显示会带来明显延迟，逐词刷新又会导致字幕频繁跳动。Echoo 通过逐字比对与局部更新，在低延迟与稳定性之间取得平衡。
字幕的最佳呈现方式并无统一标准。Echoo 将显示时机、延迟、新词显示与修正提示等变量开放为可配置、可记录的设置，便于研究者基于同一段录音开展对照实验。
采集本地视频、标签页、屏幕或麦克风音频，在浏览器内转换为 16 kHz 单声道格式。
仅接收音频数据，校验账户身份与当日用量后转发至模型。
qwen3.8-livetranslate-flash-realtime，单一连接同时返回原文与译文。
对每次更新进行逐字比对，仅更新变化部分，并按所选呈现策略渲染。
本地视频仅在浏览器中播放，传输至服务器的只有音频。
字幕位置固定，不闪烁、不跳行，在保证速度的同时兼顾阅读体验。
导出记录包含会话所用的呈现设置，同一文件在不同设备上回放结果一致。