Google 发布 Gemini 3.5 Live Translate：70 种语言准实时同传，保留原声音调

跨国开会或者出国打车最尴尬的瞬间，莫过于你说完一段话，两个人得干瞪眼等手机加载三秒钟，接着蹦出一句冰冷机械的电子音。

Google 想把这种别扭感彻底掐死。他们刚推出了语音模型 Gemini 3.5 Live Translate，专门用来做低延迟的实时同传。它支持 70 多种语言自动识别，并且只比说话人慢几秒钟，连说话人的语气、语调和语速都能原样保留下来。

像真人同传一样，边听边翻

过去的语音翻译基本是轮流对话模式：你必须说完、停顿，系统判定你讲完了，才开始语音转文字、文字翻译，最后再合成语音念出来。

Gemini 3.5 Live Translate 走的是连续流式处理。它一边听一边动态权衡：既不傻等整句话讲完，也不盲目字对字硬翻，而是在保证语境准确的前提下持续吐出翻译语音。不仅没有恼人的停顿，还能抗噪，吵闹的大街上也能用。

为了压到极低延迟，Google 在开发者文档里明确做了取舍：这个专有模型把工具调用、搜索、Agent 代理和图像视频等多模态输入全砍了，纯粹只接音频、吐音频。

生成的所有声音里，Google 都用 SynthID 技术织入了人耳听不见的水印，用来防范伪造。

手机贴耳就能听，开会不再只有英语

新模型已经分批落到了产品里。开发者今天可以在 Google AI Studio 和 Gemini Live API 里拿到公开预览版，Agora、LiveKit、Pipecat 等音视频平台也接好了底层推流支持。

普通用户在 iOS 和 Android 的 Google 翻译应用里戴上耳机就能用。Android 端还多了一个挺实用的「听筒模式」：没有耳机时，像接电话一样把手机贴在耳朵上，就能私密收听西班牙语导游讲解的实时英语同传，声音不外放。

企业端变化更大。Google Meet 本月开始针对部分 Workspace 商业用户开启内测。过去的 Meet 语音翻译只能以英语为中枢、只支持 5 种语言；换上新模型后直接扩充到 70 多种语言，单场会议支持超过 2000 种语言对的自由互译。

东南亚叫车平台 Grab 已经在路测。他们平台每月有超过 1000 万次司机与乘客的通话，新模型能帮不同国籍的司机和游客在接送时直接语音交流。韩国娱乐巨头 CJ ENM 也参与了前期测试。

为什么重要

对于经常跨国差旅、开跨国会议或者做涉外业务的人来说，这套工具非常值得第一时间尝试。把手机像听电话一样贴在耳朵上同传，或者在 Meet 里跨过英语直接和其他小语种同事对话，把跨语言沟通的心理门槛降了一大截。

对行业来说，Google 这次很聪明地做了一次「模型瘦身」。现在大家都在拼全能多模态，但 Google 在同传场景下果断砍掉 Agent、搜索和视觉推理，只要极低延迟的音频流进流出。这种为特定场景定制极简管道的做法，比盲目堆砌通用大模型实用得多。

不过隐患依然存在。几秒钟的延迟做日常问路、普通汇报够用，但在激烈交锋的商务谈判里，一旦语序差异极大的语言（比如德语动词后置或日语结构）遇上过早断句，翻译模型是否会翻车或频繁修正，还需要大范围实测来检验。