新聞

Google周二（6/9）發表全新語音模型Gemini 3.5 Live Translate，可在超過70種語言之間提供接近即時的語音對語音翻譯能力。Google表示，新模型可自動辨識語言，並在翻譯過程中保留原始講者的語調、語速與音高，讓跨語言對話聽起來更自然。相關功能即日起陸續導入Google翻譯App、Google Meet及Gemini Live API。

Google的Live Translate最早源自Pixel Buds耳機的即時翻譯功能，當時需搭配Pixel手機與Google Translate使用。2025年底Google將該功能擴大至所有耳機裝置，而此次推出的Gemini 3.5 Live Translate，則是以新的Gemini音訊模型強化既有即時語音翻譯能力。

新的Gemini 3.5 Live Translate可直接處理串流語音輸入，不需手動設定語言，並具備較佳的背景噪音容忍能力，可應用於跨語言通話、會議、教學、直播與現場口譯等場景。Google表示，與傳統需等講者說完整句話再翻譯的系統不同，Gemini 3.5 Live Translate能持續接收語音並同步產生譯文，在翻譯品質與延遲之間取得平衡，通常僅落後講者數秒。

Google Meet未來也將改採Gemini 3.5 Live Translate作為語音翻譯核心。Google表示，相較於先前Google Meet語音翻譯功能僅支援5種語言，新版本將擴大至70多種語言與2,000多種語言組合，並提供更快速的翻譯啟用介面。

圖片來源/Google

開發者則可利用Gemini Live API，搭配Agora、LiveKit、Pipecat等即時媒體平臺快速建置語音翻譯應用。Google翻譯App用戶只要連接耳機，即可進行雙向即時語音翻譯。

所有由模型產生的音訊都會嵌入SynthID數位浮水印，以利辨識AI生成內容，降低深偽音訊與假訊息濫用風險。

目前叫車平臺Grab已測試利用該模型，讓司機與乘客在接送過程中進行近即時跨語言溝通。Gemini 3.5 Live Translate支援英文、中文、日文、韓文、西班牙文、法文、德文等逾70語言。