二十年前，Google 翻译 作为我们开创性的机器学习实验之一起步，旨在将语言科学转化为人与人之间连接的魔法。如今，这项实验已取得长足进展，每月为数十亿用户翻译超过一万亿个单词。
今天，我们迈出了下一步，发布了 Gemini 3.5 Live Translate，这是我们最新的用于实时语音到语音翻译的音频模型。
该模型能自动检测 70 多种语言，并生成流畅、自然的翻译语音，同时保留说话者的语调、语速和音高。与需要等待说话者说完才响应的逐轮翻译系统不同，3.5 Live Translate 持续生成语音，在等待上下文以提高质量和立即翻译以保持与说话者同步之间取得平衡。它能提供流畅的音频，没有尴尬的停顿，在整个会话过程中仅比说话者延迟几秒钟。
Gemini 3.5 Live Translate 从今天开始陆续在 Google 产品中推出：
- 面向开发者，通过 Gemini Live API 和 Google AI Studio 提供公开预览
- 面向企业，从本月开始在 Google Meet 中提供私人预览
- 面向所有人，通过 Android 和 iOS 上的 Google 翻译应用提供
使用 3.5 Live Translate 进行构建
Gemini 3.5 Live Translate 在语音流式传输时进行处理，从而实现跨语言的更无缝连接。该模型无需手动配置设置即可处理多语言输入。同时，其噪声鲁棒性确保应用能够应对嘈杂、不可预测的环境。你可以利用其功能来促进多语言通话、会议、课程、广播等的实时口译。
观看 Gemini Live API 的实际应用，实现配音和同步多语言翻译。深入了解 demo 或 Gemini Cookbook 中的更多 示例代码。
通过利用 Gemini Live API，像 Agora、Fishjam、LiveKit、Pipecat 和 Vision Agents 这样的开发者平台，使开发者能够轻松构建和部署语音翻译应用。这些集成处理了复杂的实时媒体流基础设施，因此开发者可以专注于用户体验。
我们的合作伙伴 Grab 正在测试该模型，以实现司机和乘客在接送点之间近乎实时的多语言沟通。这些用户每月通过 Grab 进行超过 1000 万次语音通话。
在视频会议中体验 3.5 Live Translate
Google Meet 中的 语音翻译 将很快使用 3.5 Live Translate，通过以下方式改善体验：
- 提供 70 多种语言，相比之前仅限五种语言有了显著提升，
- 支持在一次会议中跨越 2000 多种语言组合进行对话，从之前仅支持与英语互译的状态扩展，
- 更新界面，提供对语音翻译的即时访问。
我们从本月开始，面向选定的企业 Google Workspace 客户以私人预览形式推出此更新，随后将在今年晚些时候进行更广泛的发布。
在 Android 或 iOS 上的 Google 翻译应用中获取 3.5 Live Translate
该模型也正在全球范围内的 Google 翻译应用中推出，覆盖 Android 和 iOS 平台。使用实时翻译功能时，只需连接任意一副耳机，即可体验更无缝的翻译，该翻译能模仿说话者的语调，覆盖 70 多种语言。
对于 Android 用户，我们还开始推出一种新的“聆听模式”，该模式利用 3.5 Live Translate，让你可以直接通过手机听筒听到翻译。只需像接听普通电话一样将手机贴近耳朵，翻译后的音频就会直接传输给你。当你希望快速听到翻译而不想让别人听到，并且手边没有耳机时，这种新体验会很有帮助。
使用 SynthID 添加水印
我们模型生成的所有音频都使用 SynthID 添加了水印。这种不可察觉的水印直接嵌入音频输出中，确保 AI 生成的内容保持可检测性，以帮助防止错误信息。有关我们安全和责任方法的详细信息，请查阅 模型卡。
