Google宣布推出Gemini 3.5实时翻译功能，支持即时语音互译

谷歌多年来一直致力于实时翻译技术的研发，称其为公司"开创性机器学习实验"之一。我们曾在谷歌的历届发布活动上见到过大量相关演示，但彼时用户必须持有谷歌手机、耳机或其他特定设备才能体验。去年，谷歌已在翻译应用中向更多用户开放了实时翻译功能，如今这一能力再度扩展。随着Gemini 3.5实时翻译功能的推出，用户将能够在更多场景中以更低延迟享受即时翻译体验。

这一全新AI模型隶属于在Google I/O大会上发布的3.5系列。此前，谷歌仅推出了Flash版本，预计Pro版本将在未来几周内正式发布。Gemini 3.5实时翻译是一款语音到语音的模型，经过专项调校，可自动识别并翻译70余种语言。

谷歌表示，Gemini 3.5实时翻译的响应速度足以跟上正常对话节奏，在说话者发言后仅延迟数秒即可完成翻译，同时还能匹配原声的语调、语速和音调。简而言之，输出的声音更像是用户本人在说话，而非冷冰冰的机器音。目前公开的演示视频均在受控环境下录制，效果听起来相当出色。不过，用户很快就可以亲自验证该模型的实际能力。

Gemini 3.5实时翻译正在谷歌生态系统的多个场景中逐步部署。开发者现可通过Gemini Live API或AI Studio的公开预览版开始构建相关应用。该模型支持连续语音处理，并能自动处理多语言输入，开发者无需手动配置相关参数。此外，该模型还具备背景噪声过滤功能，可在嘈杂环境中保持良好的翻译效果。

部分企业客户将于本月起在Google Meet中率先体验这一翻译模型，并将在后续面向更多用户开放。谷歌表示，还将对Meet界面进行调整，使实时翻译功能更加突出易用。值得关注的是，Gemini 3.5实时翻译功能即将登陆Android和iOS平台上的谷歌翻译应用。

去年底，谷歌已开始在翻译应用中测试基于Gemini的实时翻译功能，支持任意品牌耳机（以及iOS应用）；而在此之前，用户必须搭配安卓手机和谷歌自家的Pixel Buds才能使用。即将推出的更新将在此基础上进一步升级，引入最新的3.5模型，不仅支持任意品牌耳机，甚至无需耳机也能使用。在没有耳机的情况下，用户可以像打电话一样将手机举到耳边收听语音翻译。不过，这一"听筒模式"目前仅支持Android设备。

Gemini 3.5实时翻译的音频输出旨在呈现自然逼真的效果，即便无法完全模拟用户本人的声音。然而，谷歌在这方面仍保持审慎态度。所有Gemini 3.5实时翻译的音频流均将在波形数据中嵌入SynthID水印，以标识该语音为AI生成内容，且目前无法去除该水印。

Q&A

Q1：Gemini 3.5实时翻译支持哪些语言？

A：Gemini 3.5实时翻译是一款经过专项调校的语音到语音模型，目前支持自动识别并翻译70余种语言，能够跟上正常对话节奏，并在翻译时匹配原声的语调、语速和音调，使输出声音更加自然。

Q2：Gemini 3.5实时翻译需要搭配特定耳机才能使用吗？

A：不需要。早期谷歌实时翻译功能要求用户使用Pixel Buds配合安卓手机，但随着新版本推出，用户现可使用任意品牌耳机，甚至完全不需要耳机。在没有耳机时，只需像打电话一样将手机举到耳边即可收听语音翻译，但该"听筒模式"目前仅支持Android设备。

Q3：Gemini 3.5实时翻译的音频会不会被误认为是真人声音？

A：谷歌对此保持审慎态度。所有通过Gemini 3.5实时翻译生成的音频流，都会在波形数据中嵌入SynthID水印，明确标识该语音为AI生成内容，且目前没有任何方式可以去除该水印，以防止潜在的滥用风险。