谷歌: 谷歌干掉了"等你说完才翻译" 70+语言边听边译

2026-06-11 | 来源: 新智元 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

一句话还没说完，译音已经响在你耳边——而且是对方的语速、对方的语调，只慢几秒。刚刚，Google 甩出了 Gemini 3.5 Live Translate。这是它最新的语音对语音翻译模型，一句话概括：把“等你说完再翻”的老规矩，直接掀了。

Google DeepMind 首席科学家 Jeff Dean 亲自发帖官宣，字里行间透着一股“二十年磨一剑”的底气：

语音翻译是 Google 跑得最久的机器学习项目之一，而这一次，它终于跑进了耳机。

把“对讲机”式翻译给掀了过去的翻译机大家都熟。

你说一句，它憋着，等你把话说完，再吭哧吭哧翻给对方。

一来一回，节奏全断，俩人像在打对讲机。

更要命的是，真实对话从来不是规规矩矩的你一句我一句——人会抢话、会犹豫、会说半截改口。

Gemini 3.5 Live Translate 不这么干。它边听边译，话音未落，译音先到。

Google翻译大升级即时翻译这类用户抢先用

GoogleMaps新设计悄悄上线导航更安全

Google为何要卡位拥有百年历史的老水坝?

这背后是一套相当微妙的平衡术：多等一会儿，上下文听得更全，翻得更准；立刻开口，能紧紧跟住说话人，但可能猜错后半句。

模型就在这两头之间逐字逐句地反复拿捏，最终交出的效果是——输出连贯、没有尴尬的卡顿，全程只落后说话人几秒。

更绝的是声音本身。

它能保留你的语速、音高和语调——译出来的不是冷冰冰的机器音，是带着你说话味儿的声音。你着急，译音也跟着急；你慢条斯理，译音也悠着来。

DeepMind 同步放出的模型卡透了点底：这个模型基于 Gemini 3 Pro 打造，能吃进最长 128K token 的音频上下文，评测就盯着三个指标死磕——翻译质量、延迟、语音自然度。