Gemini 3.5 Live Translate：流畅自然的语音翻译

谷歌DeepMind发布Gemini 3.5 Live Translate，这是一款用于实时语音到语音翻译的新型音频模型，可自动检测超过70种语言，并生成流畅的翻译语音，同时保留说话者的语调、语速和音高。与轮换式系统不同，该模型连续传输语音，仅比说话者滞后几秒。该模型从今天起在谷歌各产品中陆续推出：开发者可通过Gemini Live API和Google AI Studio在公开预览版中使用；企业用户本月可通过Google Meet在私人预览版中体验；消费者可通过安卓和iOS上的谷歌翻译使用。该模型无需手动配置即可处理多语言输入，且对噪音具有鲁棒性。Agora、Fishjam、LiveKit、Pipecat和Vision Agents等开发者平台已集成Gemini Live API，以简化语音翻译应用的构建。合作伙伴Grab正在测试该模型，用于司机与旅客之间的多语言沟通。CJ ENM和LiveKit等公司对翻译质量和低延迟给予了积极反馈。在Google Meet中，语音翻译将从5种语言扩展到70多种语言，支持超过2000种语言组合。谷歌翻译应用在安卓上引入了“听译模式”，可通过手机听筒播放翻译结果。所有生成的音频都带有SynthID水印，以防止虚假信息。