谷歌推出 Gemini 3.5 Live Translate：实现实时对话翻译，让跨语言交流更自然

谷歌新推 AI 工具，革新实时翻译体验

周二，谷歌发布了全新音频模型 Gemini 3.5 Live Translate，旨在让实时多语言对话更自然。与传统轮流处理语音的翻译系统不同，它能够持续倾听、翻译并输出语音，仅延迟几秒就能让对话流畅进行，模拟自然的语言交流模式。

该模型能自动识别口语语言，支持 70 多种语言，可在同一场对话中实现数千种语言组合。目前，这项技术已向开发者和合作伙伴开放，可集成到会议、通信平台和移动应用中。

连续流式翻译，打破传统翻译局限

最大的变化在于翻译方式，Gemini 3.5 Live Translate 无需等待一方发言结束再生成翻译，而是进行连续流式翻译。这使得对话体验更加流畅，减少了尴尬的停顿、打断和延迟。

该模型是为满足日常交流的实际需求而打造的，能在嘈杂环境中运行，可处理背景噪音、重叠的声音和非正式的语言模式，适用于客户服务电话、导游讲解、课堂教学等多种场景。

提升语音质量，让翻译更自然

谷歌还着重提升了语音质量，该系统并非生成普通的合成语音，而是尽力保留原说话者的表达方式，包括语速、语调以及情感基调，让翻译后的语音听起来更自然，使对话更易于理解。

推动实时翻译走向日常交流

其更宏大的目标是让实时翻译从偶尔的演示走向日常交流。通过实现近乎实时的多语言对话，且无需说话者改变说话方式，Gemini 3.5 Live Translate 能让企业、组织和个人的跨语言交流变得更加实用。

编辑观点：谷歌 Gemini 3.5 Live Translate 革新了实时翻译，解决跨语言交流痛点，有望在多领域广泛应用，未来需应对技术优化和市场竞争挑战。