当下 AI 语音翻译领域最值得关注的变化,是 Google 的 Gemini 3.5 Live Translate。这款流式语音翻译模型在 2026 年 6 月发布后,8 月仍在持续扩展:它自动识别 70 多种语言,保留说话人的语气和语速,并在对方还在讲话时就开始翻译,通常只延迟几秒。目前它已内置到 Google Translate 应用(Android 与 iOS),把 Google Meet 的语音翻译从 5 种语言扩展到 70 多种(超过 2,000 种语言组合),开发者则可通过 Gemini Live API 使用,生成的每一段 AI 音声都带有 SynthID 水印。
Gemini 3.5 Live Translate 到底有什么不同
传统实时翻译是"先转写再翻译"两步走。Gemini 3.5 Live Translate 是一个端到端音频模型——音频进、自然音频出,实际使用差异有三点:
- 无需设置语言对。 它会自动检测源语言,开始对话前不用再手动配置"德语→日语"。据 Google 介绍,它支持 70 多种语言,多语言输入也无需手动设置。
- 流式生成,而非逐句翻译。 转写-翻译-朗读的链路容易产生尴尬的停顿,而它连续生成——只比说话人慢几秒,对话不卡顿。
- 保留说话人声音。 语气、语速、音高都保留下来,翻译听起来像本人在说话,而不是 TTS 机械朗读。这对商务演示重要,对家庭聚餐同样重要。
它还针对嘈杂环境做了优化,Google 表示对背景噪声和多人重叠说话具有鲁棒性,在真实场景中也能用。
2026 年 8 月的落地情况
- Google Translate(Android + iOS): 模型已在应用内全球推出,Android 新增"聆听模式"——通过耳机或手机扬声器收听实时字幕。
- Google Meet: 语音翻译从双向 5 种语言(英语+西班牙/法/德/葡/意)升至 70 多种语言、超过 2,000 种语言组合,不再需要先经英语中转。扩展版 6 月起面向部分 Google Workspace 商务客户私人预览,8 月在继续扩大范围。
- Gemini Live API(开发者): 通过 Live API 和 Google AI Studio 公开预览,Agora、Fishjam、LiveKit、Pipecat 等实时媒体基础设施已集成。
- 真实应用: 月语音通话超过 1,000 万次的出行平台 Grab 正在测试司机与乘客在接送点的多语言实时沟通;韩国娱乐公司 CJ ENM 也公开肯定了翻译质量与延迟。
为什么水印很重要
AI 语音翻译越普遍,"这段声音是不是 AI 生成的"就越需要答案。Google 的做法是 SynthID:Gemini 3.5 Live Translate 每一条音流都在波形中嵌入不可感知的水印,可被 Google 工具检测。它不改变音质,只让来源可验证。当实时语音翻译在会议室和电话里成为默认,这就不再是脚注,而是合规功能。
专用翻译应用的优势场景
Google 的实时翻译现在长在它自己的圈子里:Translate 应用、Meet、开发者集成。而在这些之外——咖啡馆、出租车、诊所、市集,任何对方未必开着 Google 应用的场合——大多数人实际伸手拿起的是一座专用翻译应用。Felo Translator 就是为此而生的独立实时语音翻译应用(iOS 与 Android)。按官方页面:支持 15 种语言,从语音识别到翻译一步到位;结果可以"听"也可以"读";会话保存在本地,方便事后翻看;可免费试用。不需要对方走进同一个生态——你打开、说话,对方回答,就这么简单。
选哪个不是"数字大小"问题,而是"对话发生在什么场景"问题。
对日常交流意味着什么
免设置、流式、保留说话人声音的翻译已经把"功能"变成了"默认",但它的位置仍在 Google 生态内:要么用 Translate 应用,要么用 Meet,要么接开发集成。对旅行者来说,随身再备一个专用翻译应用仍然常见。
2026 年下半年值得关注的模式:各大语音平台都在推出实时翻译方案,音频来源认证也在成为标配。差距不再是"能不能翻",而是"能不能翻得自然、能在对话中自然翻"。
FAQ
Gemini 3.5 Live Translate 在 Google Translate 里免费吗?作为应用的标准能力,模型本身无需单独购买或订阅,Android 和 iOS 均可用。在 Google Meet 内使用则取决于 Workspace 的扩展进度。
Google Meet 语音翻译现在支持多少种语言? Gemini 3.5 Live Translate 把 Meet 的语音翻译从双向 5 种语言扩展到 70 多种语言、超过 2,000 种语言组合,并于 6 月和 8 月分阶段向 Workspace 客户开放。
对方还没说完也能翻译吗?可以。它是流式模型,不等一句话结束,通常只比说话人晚几秒持续输出,不会出现"先翻完再读"链路的停顿。
Google 都能实时翻译了,为什么还需要专用应用? Google 的实时翻译固定在自己的表面(Translate、Meet、开发者集成),在会议和应用内场景最强。专用应用在别处的对话里证明自己:Felo Translator 是独立的 iOS/Android 应用,15 种语言、可听可读、会话本地保存、免费试用。没有绝对的"更好"——取决于对话发生在哪里。
Felo 编辑部。Felo 编辑部专注语言、语音翻译与跨语言沟通的实用技巧。
