Google 在美國時間 6 月 9 日發表全新語音模型 Gemini 3.5 Live Translate，主打支援超過 70 種語言的接近即時語音對語音翻譯。相較於過去常見的翻譯工具，這項技術除了轉換語言，也會盡量保留原始講者的語調、語速與音高，讓翻譯後的語音更接近自然對話。
Gemini 3.5 Live Translate 將陸續導入 Google 翻譯與 Google Meet，並透過 Gemini Live API 開放開發者使用。對跨語言會議、通話、教學與出國溝通等情境而言，即時翻譯不再只是協助使用者理解大意，而是朝雙方能夠持續對話的方向發展。
支援自動辨識語言與串流語音翻譯
Google 表示，Gemini 3.5 Live Translate 能自動辨識使用者正在使用的語言，不需要像傳統翻譯工具一樣，事先手動設定來源語言與目標語言。
新模型也能直接處理串流語音輸入。當講者持續說話時，系統會同步接收語音內容並產生翻譯結果，不必等到對方完整說完一整句或一大段內容後才開始翻譯，讓會議與通話更接近即時翻譯效果。
實測延遲約 3 至 5 秒
使用者可以透過 Chrome 開啟 Gemini 3.5 Live Translate 測試頁面進行體驗。測試方式包括在右側選擇「Chinese Traditional」，再以另一個分頁開啟 YouTube 外語影片，回到測試頁面後點選下方右側的螢幕按鈕，設定剛才開啟的 YouTube 分頁。
播放影片後，頁面會逐步顯示 Gemini 3.5 Live Translate 錄製的原文與翻譯內容，即使影片仍在持續播放，翻譯也會同步產生。實測延遲約為 3 至 5 秒，對即時翻譯而言屬於可預期的延遲範圍。
翻譯語音保留講者語調、語速與音高
Gemini 3.5 Live Translate 的另一項重點，是翻譯時會保留原始講者的語調、語速與音高。過去許多語音翻譯服務雖然能正確轉換文字內容，但輸出的聲音經常像制式朗讀，缺少原本講者的情緒與表達方式。
Google 希望透過新模型，讓翻譯後的語音更接近講者原本的說話方式。這項能力可應用於跨語言通話、線上會議、教學、直播與現場口譯等情境，因為語氣、語速與音調往往會影響聽者對內容重點的理解。
Google Meet 將從 5 種語言擴展至 70 多種
Google Meet 將改採 Gemini 3.5 Live Translate 作為語音翻譯核心。Google 表示，Google Meet 過去的語音翻譯功能僅支援 5 種語言，新版本則會擴大至 70 多種語言，並支援超過 2,000 種語言組合。
這項變化可望降低跨國團隊、海外客戶會議、遠距教學與國際活動的使用門檻。新版介面也將提供更快速的翻譯啟用方式，讓使用者能在會議中更容易開啟語音翻譯。
Google 翻譯搭配耳機可進行雙向翻譯
對一般使用者而言，最直接的使用方式是透過 Google 翻譯 App。連接耳機後，使用者可進行雙向即時語音翻譯，適合旅行、問路、叫車、購物與面對面溝通等情境。
Gemini 3.5 Live Translate 的技術源頭，可追溯至 Pixel Buds 耳機上的即時翻譯功能。早期功能需要搭配 Pixel 手機與 Google Translate 使用，Google 之後在 2025 年底將即時翻譯擴大至所有耳機裝置。此次推出的新模型，則進一步以 Gemini 音訊模型強化既有的即時語音翻譯能力。
開發者可透過 Gemini Live API 建立即時翻譯服務
除了 Google 自家產品，開發者也能透過 Gemini Live API 使用 Gemini 3.5 Live Translate 的能力。Google 表示，開發者可搭配 Agora、LiveKit 與 Pipecat 等即時媒體平台，快速建置語音翻譯應用。
這代表未來除了 Google Meet 與 Google 翻譯 App，其他通訊、客服、直播、線上教育與交通服務，也有機會整合近即時的跨語言語音翻譯。
目前叫車平台 Grab 已經測試使用這項模型，讓司機與乘客在接送過程中進行接近即時的跨語言溝通。這類應用通常不需要長篇翻譯，而是協助雙方快速確認地點、路線、等候位置或付款等問題。
