Google发布Gemini 3.5 Live Translate，实现70+语言实时语音互译，保留语速语调，延迟仅几秒，已全球上线Google Translate和Meet。
Google发布Gemini 3.5 Live Translate，实现70+语言实时语音互译，保留语速语调，延迟仅几秒，已全球上线Google Translate和Meet。
Google发布了Gemini 3.5 Live Translate，把实时同传从"等你说完再翻"推进到"边听边说"。支持70多种语言实时互译，延迟仅几秒，还能保留你的语速和语调。
传统翻译工具的工作方式像对讲机：你说完一句，它憋着等你说完，再翻给对方。一来一回，节奏全断。
Gemini 3.5 Live Translate改变了这个模式。它边听边译，话音未落，译音先到。模型在"多等一会儿翻得更准"和"立刻开口跟住说话人"之间逐字逐句地拿捏，最终输出连贯、没有卡顿，全程只落后说话人几秒。
该模型基于Gemini 3 Pro打造，能处理最长128K token的音频上下文，评测重点盯着三个指标：翻译质量、延迟、语音自然度。
三条产品线同时铺开，覆盖不同用户群体：
Google Translate的安卓和iOS版已全球上线。
打开App左下角的"实时翻译"，接上任意一副耳机就能用。安卓还有个"聆听模式"：把手机像打电话一样贴到耳边，译音直接从听筒里钻进来，旁人听不到。
本月起Google Meet进入私测阶段。以前只支持5种语言，现在一口气干到70+，单场会议能撑起2000多种语言组合。
通过Gemini Live API和Google AI Studio公测，今天就能上手。Agora、Fishjam、LiveKit等平台已经接入，把实时媒体流的基础设施全包圆了。
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。 -- Jeff Dean, Google DeepMind首席科学家
目前只接受音频输入。遇到重口音、快速来回切语言、好几个人抢着说、或者长时间停顿，声音复刻还可能不稳。
东南亚打车平台Grab已经在试用。司机说本地话，乘客听到的是自己的母语。Grab用户每月要打超过1000万次语音电话，这不是发布会Demo，是真实业务场景。
适合你的场景：跨语言会议、海外旅行沟通、多语客服、在线课堂、视频配音、多语直播。
豆包上线专业版，搭载豆包 2.1 Pro 的 Agent 驱动办公任务模式，能操作本地电脑、分析财报、自建 Skill，实测交付质量对标 Claude Opus。
Netflix 高级工程师开发的开源工具 Headroom，在指令到达大模型之前精简冗余词元，可逆压缩、无损上下文，已为用户省下 70 万美元。
用 Pi 智能体框架配合 LM Studio 推理引擎，在本地 Mac 上跑 Gemma 4 完成 Agent 编码任务，附完整 Docker 配置和 models.json 示例。
