Gemini 3.5 Live Translate：Google 发布的新一代实时语音互译模型，支持 70 多种语言

Gemini 3.5 Live Translate 是什么

Gemini 3.5 Live Translate 是 Google 面向实时跨语言交流推出的音频模型，专门用于 speech-to-speech translation，也就是把一种语言的语音实时转换成另一种语言的语音。与传统“说完一句再翻译一句”的轮流式翻译不同，它会在音频流输入过程中持续处理内容，在“等待更多上下文以提高翻译质量”和“尽快输出以跟上说话节奏”之间取得平衡，让翻译语音只比原始说话内容慢几秒。

Gemini 3.5 Live Translate 的模型特性

• 实时语音到语音翻译：支持低延迟音频到音频翻译，可把输入语音实时转换为目标语言语音。
• 支持 70+ 语言：模型可自动识别 70 多种语言，减少用户手动切换语言的操作。
• 连续流式输出：不是等待完整句子结束后再翻译，而是在说话过程中连续生成翻译语音，使对话更接近实时同传体验。
• 保留语音特征：Google 官方称模型会尽量保留说话者的语调、语速和音高，让译文语音听起来更自然。
• 复杂环境适应：模型具备一定抗噪能力，面向会议、通话、课堂、直播、广播等更真实的声音环境。
• SynthID 音频水印：Google 表示由模型生成的音频会嵌入 SynthID 水印，用于帮助识别 AI 生成音频。

Gemini 3.5 Live Translate 的能力边界

• 不是通用聊天模型：Gemini API 文档将其定位为实时翻译音频模型，输入为语音音频，输出为翻译语音和转录文本，不支持代码执行、函数调用、文件搜索、结构化输出、搜索增强等通用模型能力。
• 当前仍是 Preview 模型：开发者文档中的模型版本为 gemini-3.5-live-translate-preview，说明它目前仍处于预览阶段。
• 更适合实时沟通，不适合长文档翻译：它的核心场景是语音会话、会议、课程和直播等实时音频场景；如果是文档、网页或批量文本翻译，Google Cloud Translation 等服务会更匹配。
• 实际体验受设备和环境影响：实时语音翻译通常会受到麦克风质量、背景噪声、网络延迟、说话速度和口音等因素影响，这一点在真实使用中仍需要关注。

Gemini 3.5 Live Translate 的适用场景

• 跨语言会议：适合多语种线上会议、国际团队沟通和跨国协作。
• 实时通话翻译：可用于客服、出行、网约车、远程协作等需要即时沟通的场景。
• 课堂和讲座：适合将外语课程、演讲或培训内容实时翻译成目标语言。
• 直播和广播：适合为直播、播客、活动转播提供实时多语种音频翻译。
• 旅行和线下交流：普通用户可通过 Google Translate App 在 Android 和 iOS 上使用，连接耳机后获得实时翻译体验。

Gemini 3.5 Live Translate 的API价格

Gemini API 价格页显示，gemini-3.5-live-translate-preview 免费层可免费使用；付费层价格为输入 3.50 美元 / 百万 tokens，输出 21.00 美元 / 百万 tokens，也可按音频分钟折算，输入约 0.0053 美元 / 分钟，输出约 0.0315 美元 / 分钟。Google 说明音频计费按每秒 25 tokens 计算，输入与输出合计的有效价格约为 0.0368 美元 / 分钟。

如何使用Gemini 3.5 Live Translate

• 普通用户：可通过 Android 和 iOS 版 Google Translate 使用 Live translate 功能，连接任意耳机后体验 70 多种语言的实时语音翻译。
• Android 用户：Google 还在推出新的 listening mode，可像接电话一样把手机贴近耳边，通过听筒收听翻译音频。
• 开发者：可通过 Gemini Live API 或 Google AI Studio 使用公开预览版，模型 ID 为 gemini-3.5-live-translate-preview。
• 企业用户：Google Meet 将面向部分 Google Workspace 企业客户提供私有预览版，后续会扩大到更多用户。

Gemini 3.5 Live Translate 的官方资源

• Google 官方发布博客：Fluid, natural voice translation with Gemini 3.5 Live Translate。
• Gemini Live API 实时翻译文档：Live translation with Gemini Live API。
• Gemini 3.5 Live Translate 模型文档：包含模型 ID、输入输出、token 限制和能力说明。
• Gemini API 价格文档：包含该模型的免费层、付费层和音频计费方式。

常见问题

Q：Gemini 3.5 Live Translate 是什么模型？
A：它是 Google 推出的低延迟实时语音到语音翻译模型，面向跨语言对话、会议、课程、直播和通话等场景。

Q：它支持多少种语言？
A：Google 官方表示支持 70 多种语言，并可自动识别多语言输入。

Q：它和普通 Google 翻译有什么区别？
A：普通翻译更多面向文本、拍照、网页和非实时语音翻译；Gemini 3.5 Live Translate 面向实时语音互译，可以在说话过程中连续生成翻译语音。

Q：开发者可以调用吗？
A：可以。开发者可通过 Gemini Live API 和 Google AI Studio 使用公开预览版，模型 ID 为 gemini-3.5-live-translate-preview。

Q：它是否支持文字输出？
A：支持。Gemini API 文档显示，该模型输入为语音音频，输出包括翻译语音和转录文本。

AIHub点评

Gemini 3.5 Live Translate 的重点不在于“又多了一个翻译工具”，而是把实时语音互译从传统的“识别—翻译—合成”体验，进一步推向更接近同声传译的连续语音流体验。它支持 70 多种语言、可保留语音特征，并同时接入 Google Translate、Google Meet 和 Gemini Live API，说明 Google 希望把这一能力同时覆盖普通用户、企业会议和开发者生态。

对普通用户来说，它的价值在旅行、跨语言沟通和外语内容理解；对开发者和企业来说，它更适合作为实时通话、会议系统、在线教育、直播翻译和国际客服场景中的底层能力。需要注意的是，它目前仍是 Preview 模型，且主要面向实时音频场景，不应简单替代传统文本翻译或专业文档翻译流程。