Gemini 3.5 Live Translate 实时语音翻译

二十年前，Google 翻译作为一项开创性的机器学习实验起步。如今，这项实验已发展为每月为数十亿用户翻译超过一万亿词。今天，Google 发布了 Gemini 3.5 Live Translate——最新用于实时语音翻译的音频模型。

该模型能自动检测 70 多种语言，生成流畅、自然的翻译语音，保留说话人的语调、节奏和音高。与逐轮等待的系统不同，3.5 Live Translate 持续生成语音，在等待上下文提高质量和立即翻译保持同步之间取得平衡。它消除了尴尬的停顿，始终仅落后说话人几秒。

Gemini 3.5 Live Translate 即日起在 Google 产品中逐步推出：

• 面向开发者：通过 Gemini Live API 和 Google AI Studio 公开预览
• 面向企业：本月起在 Google Meet 中私有预览
• 面向所有人：通过 Android 和 iOS 上的 Google Translate 应用

用 3.5 Live Translate 构建

3.5 Live Translate 处理流式语音，实现跨语言无缝连接。模型处理多语言输入无需手动设置，其噪声鲁棒性确保能在嘈杂环境中工作。开发者可利用它实现多语言通话、会议、课程、广播等场景的实时口译。

查看 演示 和更多 示例代码。

通过 Gemini Live API，Agora、Fishjam、LiveKit、Pipecat 和 Vision Agents 等平台已集成，让开发者轻松构建语音翻译应用。

合作伙伴 Grab 正在测试该模型，实现司机与乘客之间接近实时的多语言沟通。Grab 用户每月通过该平台拨打超过 1000 万次语音电话。

早期反馈

CJ ENM、LiveKit 等公司对 3.5 Live Translate 的翻译质量、准确性和低延迟给予了积极评价。

在视频会议中使用

Google Meet 中的 语音翻译 将很快采用 3.5 Live Translate，改进包括：支持 70+ 种语言（此前仅 5 种）、支持超过 2000 种语言组合（此前仅限英语双向）、更新界面提供即时访问。本月起面向部分 Google Workspace 企业客户私有预览，今年晚些时候更广泛推出。

在 Google Translate 应用中体验

该模型同时在 Android 和 iOS 的 Google Translate 应用中全球推出。使用实时翻译功能时，连接耳机即可体验保留说话人语调的多语言翻译。

Android 用户还将获得新的“听译模式”，将手机贴近耳朵即可通过听筒听到翻译，无需耳机，适合快速私密翻译场景。

SynthID 水印

模型生成的所有音频均采用 SynthID 水印，确保 AI 生成内容可被检测，防止误导信息。详情请查阅 模型卡片。

---

原文链接：Google DeepMind
本文由前途科技编辑整理