支持70余种语言的近实时语音翻译

Google 的机器翻译探索始于20年前，如今每月已为数十亿用户翻译超过一万亿个词汇。Gemini 3.5 Live Translate 是这一历程的最新里程碑。与以往需要等待说话者完成整句表达才开始翻译的逐句系统不同，该模型采用流式处理方式，在语音输入的同时持续生成译语输出，整个会话过程中始终与说话者保持仅数秒的时间差，实现真正意义上的近实时翻译体验。

在语音质量方面，Gemini 3.5 Live Translate 不仅追求语义准确，还致力于还原说话者的表达风格。模型能够保留原始语音的语调起伏、说话节奏和音调高低，使译语听起来更加自然，而非机械化的合成语音。此外，模型具备自动语言检测能力，支持多语言混合输入，无需用户手动切换语言设置，并针对嘈杂环境进行了专项优化，适合会议室、户外等复杂声学场景。

对于开发者而言，Gemini 3.5 Live Translate 已通过 Gemini Live API 进入公开预览阶段，并在 Google AI Studio 提供示例代码与演示。Agora、Fishjam、LiveKit、Pipecat 和 Vision Agents 等开发者平台已完成与该 API 的集成，承担底层实时媒体流传输的复杂工作，使开发者能够专注于应用层的用户体验设计，快速构建和部署语音翻译应用。

在企业应用层面，Google Meet 的语音翻译功能即将升级至 Gemini 3.5 Live Translate，支持语言数量将从原有的5种扩展至70余种，单次会议可支持的语言组合超过2000种，并不再局限于以英语为中转的翻译模式。该功能目前正向部分 Google Workspace 企业客户开放私有预览，预计今年晚些时候进行更大范围的推广。

在消费者端，Google Translate 应用已在安卓和 iOS 平台全球推送 Gemini 3.5 Live Translate。用户连接耳机后即可体验跨70余种语言的流畅实时翻译。针对安卓用户，Google 还推出了全新的「听筒模式」，用户无需佩戴耳机，只需像接听普通电话一样将手机贴近耳朵，即可通过听筒直接收听翻译音频，适合不便使用耳机又需要私密收听译文的场景。

在安全与责任层面，Gemini 3.5 Live Translate 生成的所有音频均嵌入了 SynthID 水印。这一不可感知的水印直接织入音频输出，使 AI 生成内容保持可检测性，有助于防范深度伪造和虚假信息的传播。Google DeepMind 同步发布了该模型的模型卡，详细说明了其安全与责任方面的处理方式。

要点

• Gemini 3.5 Live Translate 支持70余种语言的近实时语音到语音翻译，采用流式处理方式，全程与说话者保持仅数秒时间差，避免逐句翻译带来的停顿感。
• 模型能够保留说话者的语调、节奏与音调，具备自动多语言检测和噪声鲁棒性，无需手动配置语言设置。
• 已在 Google AI Studio、Gemini Live API、Google Meet 企业版及 Google Translate 安卓与 iOS 应用上陆续上线，覆盖开发者、企业和普通消费者三类用户群体。
• 打车平台 Grab 正在测试该模型，用于支持每月超过1000万次司乘语音通话的多语言实时沟通场景。
• 所有生成音频均嵌入 SynthID 不可感知水印，确保 AI 生成内容可被检测，以防范虚假信息传播。