二十年前，Google 翻譯 作為我們一項開創性的機器學習實驗誕生，旨在將語言的科學轉化為人與人之間連結的魔法。這項實驗如今已取得了長足進步，每月為我們產品中數十億用戶翻譯超過一兆個詞彙。
今天，我們推出了 Gemini 3.5 Live Translate，這是我們最新的即時語音轉語音翻譯音訊模型，邁出了下一步。
該模型能自動偵測 70 多種語言，並生成流暢、自然的翻譯語音，同時保留說話者的語調、節奏和音高。與需要等待說話者說完才回應的輪流式系統不同，3.5 Live Translate 會持續生成語音，在等待更多上下文以提升品質與即時翻譯以跟上說話者節奏之間取得平衡。它能提供流暢的音訊，沒有尷尬的停頓，並且在整個對話過程中僅落後說話者幾秒鐘。
Gemini 3.5 Live Translate 即日起開始在 Google 各項產品中推出：
- 開發者：可透過 Gemini Live API 和 Google AI Studio 公開預覽版使用
- 企業用戶：本月起可透過 Google Meet 使用私人預覽版
- 一般用戶：可透過 Android 和 iOS 上的 Google 翻譯使用
使用 3.5 Live Translate 進行開發
Gemini 3.5 Live Translate 能處理串流中的語音，實現更無縫的跨語言連結。該模型能處理多語言輸入，無需手動配置設定。同時，其抗噪能力確保應用程式能應對嘈雜、不可預測的環境。你可以利用其功能，為多語言通話、會議、課程、廣播等場景提供即時口譯協助。
觀看 Gemini Live API 的實際應用，實現配音和同步多語言翻譯。深入了解 示範 或 Gemini Cookbook 中的更多範例程式碼。
透過使用 Gemini Live API，像 Agora、Fishjam、LiveKit、Pipecat 和 Vision Agents 等開發者平台，讓開發者能夠輕鬆建置和部署語音翻譯應用程式。這些整合處理了複雜的即時媒體串流基礎設施，讓開發者能專注於用戶體驗。
我們的合作夥伴 Grab 正在測試該模型，以實現司機與乘客在接送點之間近乎即時的多語言溝通。這些用戶每月透過 Grab 進行超過 1000 萬次語音通話。
在視訊會議中體驗 3.5 Live Translate
Google Meet 中的語音翻譯功能即將採用 3.5 Live Translate，從而改善體驗：
- 支援 70 多種語言，相較於先前僅限五種語言有所提升，
- 能在一次會議中實現超過 2000 種語言組合的對話，從先前僅能與英文互譯的狀態擴展，
- 更新介面，提供語音翻譯的即時存取。
我們將於本月起，為特定商業 Google Workspace 客戶推出此更新的私人預覽版，並於今年稍晚進行更廣泛的推出。
在 Android 或 iOS 上的 Google 翻譯應用程式中使用 3.5 Live Translate
該模型也正在全球範圍內，於 Android 和 iOS 上的 Google 翻譯應用程式中推出。使用即時翻譯功能時，只需連接任何一副耳機，即可體驗更無縫的翻譯，該翻譯能反映說話者在 70 多種語言中的語調。
對於 Android 用戶，我們也開始推出一個全新的「聆聽模式」，該模式採用 3.5 Live Translate，讓你可以直接透過手機聽筒聽到翻譯內容。只需像平常打電話一樣將手機貼近耳朵，翻譯後的音訊就會直接傳送給你。當你希望快速聽到翻譯內容，但又不想讓其他人聽到，且手邊沒有耳機時，這項新體驗會很有幫助。
使用 SynthID 添加浮水印
我們模型生成的所有音訊都使用 SynthID 添加了浮水印。這種難以察覺的浮水印直接嵌入音訊輸出中，確保 AI 生成的內容可被偵測，以協助防止錯誤資訊。有關我們在安全與責任方面方法的詳細資訊，請參閱模型卡。
