谷歌发布Gemini 3.5实时翻译模型覆盖70+语种实现多场景落地

AI创作导航管理员 LV4 资深连续登录30天萌新

3 个月前

风向

796

谷歌于近期正式推出Gemini 3.5 Live Translate流式语音转语音翻译模型，该模型支持70余种语言的实时互译，能力已落地Google Meet、谷歌翻译两大C端产品，同时通过Live API面向开发者开放调用。相较于传统同传方案，该模型端到端延迟降低40%以上，可覆盖商务会议、跨境社交等多元场景需求。

不少有跨境会议参与经验的用户都有过类似体验：自带的翻译功能往往要等对方说完完整句子才会输出翻译结果，延迟动辄超过1秒，遇到带口音的发言人更是频繁出错，全程沟通体验极其割裂。而谷歌最新推出的Gemini 3.5 Live Translate，正在彻底改变这一现状。

随着全球跨境协作、出海业务的爆发式增长，实时跨语言沟通的需求正在快速攀升。第三方数据显示，2026年全球实时翻译服务的市场规模将突破180亿美元，年复合增长率超过35%。但传统方案始终存在明显短板：专业人工同传成本高达每小时数千元，且小语种人才稀缺；通用翻译工具的三段式处理流程延迟高、准确率不稳定，无法满足会议、直播等高实时性场景的需求，供需缺口正在持续拉大。

Gemini 3.5 Live Translate的核心优势，来自其采用的端到端流式语音转语音架构。不同于传统翻译工具需要经过“语音转文字-文本翻译-文字转语音”的串行处理流程，该模型可以直接对输入的语音流进行处理，无需等待说话人停顿即可同步输出目标语种的语音结果，端到端最低延迟可低至300毫秒，几乎不会打断正常的对话节奏。

此外，该模型的语种覆盖量达到70余种，其中包含20余种此前行业普遍覆盖度不足的小语种，针对不同地区口音、背景噪音的抗干扰能力也较上一代模型提升了27%，在嘈杂的公共场景、网络会议场景下的翻译准确率可达92%以上。

目前普通用户已经可以在两个场景率先体验到这一能力：一是谷歌翻译APP的实时对话功能，二是Google Meet的会议自动同传功能，两类功能均面向普通用户免费开放，无需额外订阅付费。

面向企业与开发者的商用路径也已经同步铺开：谷歌通过Live API将Gemini 3.5 Live Translate的能力对外开放，开发者可以将其快速嵌入到直播平台、跨境客服系统、社交APP、线下翻译硬件等多元场景中，目前已有包括Discord在内的多家互联网平台启动对接测试，预计2026年三季度将全面开放商用权限。

业内分析认为，谷歌此次将高性能实时翻译能力免费开放给C端用户，将进一步拉低整个行业的实时翻译服务门槛。此前同等性能的实时翻译API调用成本约为每小时1.2美元，随着Gemini 3.5 Live Translate的普及，相关调用成本有望下降30%以上，未来不管是普通用户的境外出行、跨文化社交，还是中小商家的跨境直播、客户服务，都能以极低的成本获得高准确度的同传服务，横亘在不同语言用户之间的沟通壁垒正在加速消解。

大语言模型实时翻译人工智能 Gemini 谷歌 3.5

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。