制作动物翻译器需要以下步骤：1. 收集语音样本：首先需要收集不同种类动物的语音样本，包括人类已知的动物种类和未知的动物种类。可以通过录音、视频等方式获取。2. 数据清洗和标注：对收集到的语音样本进行清洗和标注，去除噪声和干扰，并将每种动物的声音分类和标记。这一步需要耗费大量的时间和精力。3. 特征提取：从清洗和标注好的数据中提取有用的特征，常用的方法有MFCC(Mel频率倒谱系数)和梅尔倒谱特征。这些特征能够反映出动物的声音特征，如音调、音高、语速等。4. 模型训练：使用机器学习算法，建立动物声音识别模型。常用的算法有HMM(隐马尔可夫模型)、深度学习等。训练过程中需要大量的数据集和计算资源。5. 测试和优化：对训练好的模型进行测试，评估其准确率和鲁棒性，并进行优化和改进。这一步需要不断地调整参数、增加数据集等手段来提高模型的性能。需要注意的是，动物翻译器是一项非常复杂的工程，需要涉及多个学科领域，包括语言学、信号处理、计算机科学等。因此，制作一个高质量的动物翻译器需要多方面的知识和技能。