Google Gemini 3.5 Live Translate 實測：似隨身繙譯官 唔使等佢講完先開波

2026 年 6 月 9 日，Google 向公眾發布咗佢哋最先進嘅音頻翻譯模型：Gemini 3.5 Live Translate。呢個代號為 gemini-3.5-live-translate-preview 嘅模型，專門為一個核心任務而設——就係近乎實時、串流式嘅語音對語音翻譯。佢支援超過 70 種語言，以及超過 2,000 個語言組合 。

同大家用開嗰啲「一問一答」式翻譯系統唔同，Gemini 3.5 Live Translate 唔需要等講嘢嘅人成句講晒先開始翻譯，而係喺幾秒之內就處理好音頻，開始生成翻譯，保持對話好似流水咁順暢自然。呢一次公開發布，正式標誌住呢個由 2025 年 12 月開始展示，並且喺 2026 年春天經過 Gemini 3.1 flash live 模型不斷改良嘅階段性成果 。

串流式語音對語音翻譯係點樣運作？

Gemini 3.5 Live Translate 最核心嘅創新，就係佢嗰套 連續、雙向嘅串流架構。呢個設計同傳統逐句翻譯嘅系統好唔同，要靠幾個關鍵技術一齊配合先做到。

同聲傳譯，雙管齊下

呢個模型唔會等講嘢嘅人收聲先開工。佢會一邊接收音頻輸入，一邊同步生成翻譯輸出。用 Google 自己嘅講法，佢只係「慢講嘢嘅人幾秒鐘」，咁做就解決咗以前翻譯時會出現嗰啲令人尷尬嘅停頓 。

自動辨識語言

用家唔需要手動去設定來源語言。模型會自動實時偵測對方講緊邊種語言，就算喺夾雜多種語言嘅環境入面都一樣認到，非常適合現實中千變萬化嘅對話情境 。

保留自然聲線同語氣

對用家嚟講至關重要嘅一點，就係翻譯出嚟嘅把聲絕對唔似機械人。模型設計嗰陣特別保留講者原本嘅 語氣、節奏同音調，出到嚟嘅翻譯聲會更似你本人，而唔係一部文字轉語音嘅發聲機器 。

雙向溝通，多組合支援

支援超過 70 種語言，即係涵蓋咗數以千計嘅雙向語言組合。佢係專為雙向對話而設，對話雙方都可以流暢聽到對方講嘅嘢翻譯成自己嘅語言 。

技術規格

對於開發者嚟講，呢個模型係透過 Gemini Live API 使用嘅。佢要求音頻輸入要用特定格式：無壓縮、低位元組優先、16-bit PCM 格式，取樣率 16kHz。而翻譯後嘅音頻輸出都係無壓縮嘅 16-bit PCM，不過取樣率就提升到 24kHz 。模型嘅上下文窗口最多可以處理 128,000 個輸入 token，以及輸出 64,000 個 token 。

由初次展示到公開推出：逐步推出嘅時間表

Google 今次嘅公開發布係有計劃咁逐步進行嘅，而整個 Gemini 3.5 模型系列早喺 2026 年 5 月嘅 Google I/O 開發者大會上面已經公佈咗 。

• 2025 年 12 月：Google 首次喺預告影片中展示咗即時語音對語音翻譯嘅能力，示範咗持續聆聽同超過 70 種語言嘅雙向對話，仲喺美國、墨西哥同印度推出咗 Android 版 Google 翻譯 App 嘅初步測試版 。
• 2026 年初：背後嘅技術得到改良。Gemini API 嘅更新紀錄顯示，相關嘅即時音頻模型，例如 2026 年 3 月 26 日發布嘅 gemini-3.1-flash-live-preview，就係呢個開發過程嘅一部份 。
• 2026 年 6 月 9 日：gemini-3.5-live-translate-preview 模型正式向開發者發布，可以透過 Gemini Live API 同 Google AI Studio 使用，同時亦透過全球嘅 Google 翻譯 App（Android 同 iOS）更新，開放俾普羅大眾使用 。

Gemini 3.5 Live Translate 邊度用得？

呢個模型喺 Google 一系列嘅消費者、開發者同企業平台上面都有得用，不過開放程度就唔同。

Google 翻譯（Android 與 iOS）

對一般消費者嚟講，呢個係最簡單嘅使用途徑。「即時翻譯」功能會喺 Google 翻譯 App 入面向全球用戶推出。戴住耳機之後，只要㩒吓 App 畫面左下角嘅「即時翻譯」掣就用得。喺 Android 上面，Google 仲推出咗一個免提嘅「聆聽模式」，可以透過手機嘅聽筒播放翻譯，等你可以好似平時聽電話咁，將部手機擺喺耳邊就用得 。

Gemini Live API 與 Google AI Studio

對開發者而言，呢個模型係以公開預覽版嘅形式提供。開發者可以用 Gemini Live API 同特定嘅翻譯配置，將佢整合到第三方嘅應用程式同服務入面。而 Google AI Studio 就提供咗一個沙盒環境，俾開發者喺入面創建原型同測試模型嘅能力 。

Google Meet

俾企業用嘅就更加有限制。專為 Google Meet 而設嘅 Gemini 3.5 Live Translate，會由 2026 年 6 月開始，俾指定嘅企業客戶做私人預覽。等到正式推出之後，佢會自動偵測講者嘅語言，再翻譯成每位參加者揀好嘅語言，開會期間支援超過 70 種語言同 2,000 幾個語言組合。更大規模嘅推出計劃就預定喺 2026 年稍後時間 。呢個功能會開放俾 Google Workspace Business Standard 同 Plus、Enterprise Standard 同 Plus、Google AI Pro 同 Google AI Ultra 嘅訂閱用戶 。

合作夥伴整合（Agora、LiveKit 等）

好似 Agora、Fishjam、LiveKit、Pipecat 同 Vision Agents 呢類即時通訊平台，已經喺度整合 Gemini Live API，準備將呢個翻譯模型帶入佢哋自己嘅媒體管道入面 。

Grab 先導計劃

其中一個最令人注目嘅現實世界測試，就係同東南亞叫車同外賣平台 Grab 嘅合作。Grab 正喺度測試呢項技術，為司機同乘客提供即時語音翻譯。呢間公司每個月處理超過 1,000 萬個語音通話，而呢個測試正係要迎面解決東南亞市場語言碎片化呢個棘手問題 。

對未來 AI 翻譯嘅意義

由「逐句翻譯」轉去「串流翻譯」，係用戶體驗上嘅一個根本轉變。透過將模型深度整合到 Google 翻譯同 Meet 呢類無處不在嘅產品入面，並且開放俾開發者生態系統，Google 正將即時語音翻譯，由一種小眾功能，推動成為全球溝通基礎建設嘅一個標準配備 。同 Grab 嘅合作測試，就清楚展示咗呢個轉變——將即時、聽落自然嘅翻譯定位為一種好似水電煤咁基本嘅「公用事業」，而唔係只係一個新噱頭 。

所有由模型生成嘅 AI 音頻都會加入 Google 嘅 SynthID 技術浮水印，確保佢嘅來源可以被偵測到，同時減少被濫用嘅風險。喺合成語音技術變得越嚟越逼真同普及嘅今日，呢一步至關重要 。