要编程实现语音翻译器，你需要掌握以下几个关键技术：
语音识别（Automatic Speech Recognition, ASR）
将人的语音转换为文本。这通常涉及到声学模型和语言模型的训练，以便系统能够理解不同的发音和口音。
在移动设备上，你可以使用现有的语音识别API，如Google Cloud Speech-to-Text或Apple的AVFoundation。
机器翻译（Machine Translation, MT）
使用计算机程序将一种语言自动翻译成另一种语言。目前，神经机器翻译（Neural Machine Translation, NMT）是主流技术，它使用深度学习模型来提高翻译质量。
你可以使用现有的机器翻译API，如Google Cloud Translation API、Microsoft Translator或IBM Watson Language Translator。
文本到语音合成（Text-to-Speech, TTS）
将文本转换为语音输出。TTS系统可以调整语调、语速和语音音质，以提供自然流畅的语音。
你可以使用现有的TTS API，如Google Cloud Text-to-Speech或Amazon Polly。
```python
from google.cloud import translate_v2 as translate
初始化翻译客户端
translate_client = translate.Client（）
设置目标语言
target_language = 'zh-CN'
要翻译的文本
text_to_translate = "Hello, I love programming!"
调用翻译API
result = translate_client.translate（text_to_translate, target_language=target_language）
输出翻译结果
print（f"原文： {text_to_translate}"）
print（f"翻译： {result['translatedText']}"）
```
在这个示例中，我们首先导入了Google Cloud Translation库，并初始化了一个翻译客户端。然后，我们设置了目标语言为中文（简体），将要翻译的文本定义为"Hello, I love programming!"，最后调用了翻译API并输出了翻译结果。
请注意，为了使用Google Cloud Translation API，你需要在Google Cloud Platform上创建一个项目，并启用Billing和Translation API，同时获取相应的API密钥。
这只是一个简单的示例，实际的语音翻译器可能需要处理更多的细节，例如错误处理、多语种支持、语音识别的准确性优化等。此外，为了在移动应用中实现语音输入和输出，你可能需要使用平台特定的API和库。