Google 釋出 Gemini 3.5 Live Translate：70 種語言準即時同傳，保留原聲音調

跨國開會或者出國打車最尷尬的瞬間，莫過於你說完一段話，兩個人得乾瞪眼等手機載入三秒鐘，接著蹦出一句冰冷機械的電子音。

Google 想把這種彆扭感徹底掐死。他們剛推出了語音模型 Gemini 3.5 Live Translate，專門用來做低延遲的即時同傳。它支援 70 多種語言自動識別，並且只比說話人慢幾秒鐘，連說話人的語氣、語調和語速都能原樣保留下來。

像真人同傳一樣，邊聽邊翻

過去的語音翻譯基本是輪流對話模式：你必須說完、停頓，系統判定你講完了，才開始語音轉文字、文字翻譯，最後再合成語音念出來。

Gemini 3.5 Live Translate 走的是連續流式處理。它一邊聽一邊動態權衡：既不傻等整句話講完，也不盲目字對字硬翻，而是在保證語境準確的前提下持續吐出翻譯語音。不僅沒有惱人的停頓，還能抗噪，吵鬧的大街上也能用。

為了壓到極低延遲，Google 在開發者文件裡明確做了取捨：這個專有模型把工具呼叫、搜尋、Agent 代理和影像影片等多模態輸入全砍了，純粹只接音訊、吐音訊。

生成的所有聲音裡，Google 都用 SynthID 技術織入了人耳聽不見的水印，用來防範偽造。

手機貼耳就能聽，開會不再只有英語

新模型已經分批落到了產品裡。開發者今天可以在 Google AI Studio 和 Gemini Live API 裡拿到公開預覽版，Agora、LiveKit、Pipecat 等音影片平臺也接好了底層推流支援。

普通使用者在 iOS 和 Android 的 Google 翻譯應用裡戴上耳機就能用。Android 端還多了一個挺實用的「聽筒模式」：沒有耳機時，像接電話一樣把手機貼在耳朵上，就能私密收聽西班牙語導遊講解的即時英語同傳，聲音不外放。

企業端變化更大。Google Meet 本月開始針對部分 Workspace 商業使用者開啟內測。過去的 Meet 語音翻譯只能以英語為中樞、只支援 5 種語言；換上新模型後直接擴充到 70 多種語言，單場會議支援超過 2000 種語言對的自由互譯。

東南亞叫車平臺 Grab 已經在路測。他們平臺每月有超過 1000 萬次司機與乘客的通話，新模型能幫不同國籍的司機和遊客在接送時直接語音交流。韓國娛樂巨頭 CJ ENM 也參與了前期測試。

為什麼重要

對於經常跨國差旅、開跨國會議或者做涉外業務的人來說，這套工具非常值得第一時間嘗試。把手機像聽電話一樣貼在耳朵上同傳，或者在 Meet 裡跨過英語直接和其他小語種同事對話，把跨語言溝通的心理門檻降了一大截。

對行業來說，Google 這次很聰明地做了一次「模型瘦身」。現在大家都在拼全能多模態，但 Google 在同傳場景下果斷砍掉 Agent、搜尋和視覺推理，只要極低延遲的音訊流進流出。這種為特定場景定製極簡管道的做法，比盲目堆砌通用大模型實用得多。

不過隱患依然存在。幾秒鐘的延遲做日常問路、普通匯報夠用，但在激烈交鋒的商務談判裡，一旦語序差異極大的語言（比如德語動詞後置或日語結構）遇上過早斷句，翻譯模型是否會翻車或頻繁修正，還需要大範圍實測來檢驗。