Google 发布 Gemini 3.5 Live Translate：流式语音翻译覆盖 70+ 语言，集成 Meet、Translate 和 Live A

一句话看懂

Google 发布 Gemini 3.5 Live Translate，一个流式语音到语音翻译模型，支持 70+ 语言，延迟仅几秒，已集成到 Meet、Translate 应用和 Live API。

详细发生了什么

Google 正式发布 Gemini 3.5 Live Translate，这是其最新的流式语音到语音翻译音频模型。与传统的轮次式翻译不同，该模型在说话人讲话的同时持续生成翻译语音，仅落后说话人几秒。它支持自动检测 70 多种语言，并保留原说话人的语调、语速和音高。

模型通过三个渠道推出：开发者可通过 Gemini Live API 和 Google AI Studio 公开预览使用；企业用户本月可在 Google Meet 中获取私人预览；普通用户则通过 Android 和 iOS 上的 Google Translate 应用使用。

技术层面，该模型是一个纯音频模型（gemini-3.5-live-translate-preview），不支持文本输入、工具调用或系统指令，以确保极低的实时延迟。输入为 16kHz 16-bit PCM 单声道音频，输出为 24kHz 16-bit PCM 单声道音频。开发者可通过设置 targetLanguageCode（BCP-47 格式）和 echoTargetLanguage 来控制翻译行为。所有生成的音频都带有不可感知的 SynthID 水印。

Google 还展示了合作伙伴案例：Grab 正在测试该模型用于司机与乘客的沟通，其用户每月进行超过 1000 万次语音通话；CJ ENM、LiveKit 等公司反馈质量、准确性和低延迟表现良好。

中文圈视角

国内用户能用吗？ 目前 Gemini 3.5 Live Translate 通过 Google 服务提供，国内正常访问需要网络环境。Google Translate 应用在国内 Android 市场通常不可用，iOS 用户需切换至美区账号。对于企业用户，Google Meet 的私人预览可能仅限于海外企业。

国产平替有哪些？ 国内类似产品包括：

讯飞听见：支持多语种实时语音翻译，但多为轮次式，延迟较高。
腾讯翻译君：支持语音翻译，但流式体验不如 Gemini 3.5。
百度翻译：支持语音输入，但未实现真正的流式语音到语音。
阿里云语音翻译：提供 API，但同样以文本中间态为主。

中文场景影响：对于需要实时跨语言沟通的场景（如国际会议、在线课程、客服），该模型能大幅提升体验。但中文用户需注意，模型对中文的语调、方言（如粤语、四川话）支持程度未知，官方仅提到 70+ 语言，未具体列出中文变体。

监管合规：数据通过 Google 服务器处理，涉及数据出境，国内企业需评估合规风险。SynthID 水印虽有助于检测 AI 生成内容，但国内尚无类似要求。

几条值得记住的细节

模型名称为 gemini-3.5-live-translate-preview，纯音频输入输出，不支持文本。
输入音频格式：16kHz 16-bit PCM 单声道，输出：24kHz 16-bit PCM 单声道，每 100ms 发送一次。
支持 BCP-47 语言代码，默认目标语言为英语（“en”）。
Google Meet 更新后，语言从 5 种扩展到 70+，组合从仅英语到 2000+ 种。
所有输出音频带有 SynthID 水印，用于检测 AI 生成内容。

一句话总结

如果你需要实时跨语言语音沟通，Gemini 3.5 Live Translate 是当前延迟最低、覆盖最广的选项，但国内用户需考虑网络和合规问题。