口译活动的媒介是人用发音器官发出的声音（语音）为形式的符号系统。它与笔译相对应，但先于笔译而存在，被认为是人类最早的跨语交流方式。口译活动的发生是不同语言文化群体的人们为了某种目的彼此间需要进行交际而开始的。一般说来，口译的服务对象是在场的，现在借助信息技术，口译也可以打破时空的限制。

西方翻译史中较早进行笔译和口译划分的是F.施莱尔马赫，他认为笔译的对象文本主要是文学艺术作品，而口译主要为商业服务，前者要求对等的因素比较多，需要译者有较强的理解力和艺术素养，是真正的翻译；而后者只要不出现大的错误即可，属于机械翻译。施莱尔马赫的这种看法明显带有偏见。随着全球化程度的加深，口译活动发展迅速，口译的对象文本类型、发生场域、社会功能等方面的丰富性，以及口译的创造性和难度都获得了越来越多的识别和认可。

根据活动发生的场景，口译可以分为商务口译、外交口译、军事口译、法庭口译、教育口译、医疗口译、传媒口译等；根据不同的交际互动场合，口译可以分为会议口译和社区口译；根据所涉语言模式，口译可以分为视觉语口译、触觉语口译、听觉语口译等；随着传输设备的发展，口译的工作方式又有了变化，分为交替传译和同声传译，而按照在场远近，口译还分为陪同口译和远程口译。另外，口译还可以按照从源语到目的语的方向性分为单向口译、双边口译、回译、接力口译等。