Gemini 3.5 Live Translate 发布：实时语音翻译更流畅自然

事件概述

Google DeepMind 于近日发布 Gemini 3.5 Live Translate，这是一项基于 Gemini 3.5 大语言模型的实时语音翻译功能。与传统的分步式翻译（语音识别→文本翻译→语音合成）不同，Live Translate 采用端到端的方式，直接处理原始音频并生成目标语言的语音输出，显著降低了翻译延迟并提高了自然度。

核心信息

• 技术特点：模型能够感知并保留原说话者的语调、情感和语速，翻译后的语音听起来更自然、富有表现力，而非机械的合成音。
• 性能表现：翻译延迟通常在数百毫秒内，支持对话场景中的实时交互。支持语言包括英语、西班牙语、法语、德语、日语、中文等多语种。
• 可用性：该功能已集成至 Gemini 应用（Android/iOS）中，以“Live Translate”模式提供。目前面向 Gemini Advanced 订阅用户开放，未来计划扩展至更多地区。

值得关注

• 端到端语音翻译代表了多模态 AI 的重要进展，有望降低跨语言交流的门槛。
• 保留语气和情感的设计提升了翻译的自然度，在商务会议、旅行沟通等场景中有实际价值。