谷歌发布 Gemini 3.5 Live Translate：支持 70+ 语言流式语音互译，保留原声语调与节奏，集成于 Meet、翻译 App 及实时 API，打造低延迟跨语言沟通体验

谷歌正式推出了 Gemini 3.5 Live Translate，一款专为实时语音到语音翻译设计的先进音频模型。它不再局限于传统的文本中转或回合制交互，而是通过连续流式处理技术，在说话者发声的同时即时生成保留原声语调、节奏和音调的翻译音频。目前，该模型已覆盖 70 多种语言，并正逐步集成至 Google Meet、Google 翻译应用及开发者实时 API 中，旨在消除全球沟通中的语言与情感隔阂。

• 官方介绍：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-live-3-5-translate
• 模型卡：https://deepmind.google/models/model-cards/gemini-3-5-audio

核心亮点：自然、即时、专注

1. 高保真语音克隆

• 保留情感色彩：不仅翻译文字，更还原说话者的语气、停顿和情感起伏，让跨语言交流更具人情味。
• 自动语言检测：无需手动设置源语言，模型能自动识别并处理 70 多种语言的输入。

2. 连续流式低延迟

• 非回合制交互：不同于传统聊天机器人等待句子结束，Live Translate 在音频流进入时即刻处理，始终仅比说话者慢几秒，实现近乎同步的对话体验。
• 噪声鲁棒性：针对嘈杂环境优化，确保在会议、街头或广播等不可预测场景中仍能保持高精度识别。

3. 专用翻译管道

• 纯粹且高效：作为单一音频模型，它放弃了工具调用、系统指令及文本输入，专注于极致的翻译速度与准确性。
• SynthID 水印：所有生成音频均嵌入不易察觉的水印，便于溯源与防伪。

应用场景与平台集成

无论是用于全球团队协作的 Google Meet，还是个人出行必备的翻译 App，亦或是开发者构建的创新应用，Live Translate 都将极大地降低语言门槛，让世界连接得更加紧密。