6月10日新闻，
，Google推出Gemini 3.5 Live Translate，
，将实时语音到语音翻译做成可接入的模子能力。。它支持70多种语言，
，能在几秒延迟内天生译后语音，
，并只管保存语言者的语调、语速和音高。。该功效已通过Gemini Live API和Google AI Studio向开发者开放，
，也最先在Google Translate的Android和iOS应用中上线。。

转变不在翻译自己，
，在入口

Google做实时翻译已经许多年，
，但已往的体验总绑在特定装备上，
，包括Pixel手机、Pixel Buds，
，以及特定App。。能不可用得上，
，取决于你用的是什么硬件。。

这次的转变是把"听到一种语言、实时说出另一种语言"从产品功效酿成了模子能力。。模子自动检测输入语言，
，一连处理语音流，
，不需要等语言人讲完整句再最先翻译。。Google的说法是，
，系统在"等更多上下文"和"尽快输出跟上节奏"之间一连做平衡，
，因此译后语音始终落伍语言人几秒。。

这意味着任何应用都可以接入这条能力。？？？绻缁啊⑹悠稻刍帷⒙糜挝事贰⒃谙呖纬。。翻译不再是一个自力App，
，而是一个开关。。

保存语气会提升可用性，
，也放大冒充风险

这次更新最容易被用户感知的点：译后语音不但是机械朗读翻译效果，
，而是只管听起来像统一个人在换一种语言语言，
，语调、节奏、音高都只管保存。。

利益很直接。？？？头电话、网约车相同、在线教学，
，这些场景里语气和停留自己就是信息。。已往TTS式朗读让对话变僵，
，保存语气后更靠近"有人在旁边帮你转述"。。

风险也很直接。。译后语音越像真人，
，越容易被用来伪造对话、冒充身份、制造误导音频。。Google体现会嵌入SynthID水印标识AI天生内容。。但水印在转录、压缩、转发、二次录音之后还能不可稳固识别，
，还需要看后续现实检测效果。。

谁先受影响

经？？？缬镅韵嗤娜。。 跨国团队开会、外洋旅行、跨境客服不再需要特殊翻译装备，
，只要常用工具接入这个API。。

小团队和应用开发者。。 已往做实时语音翻译要自己串语音识别→机械翻译→语音合成→低延迟传输。。现在一条API挪用解决，
，多语言客服、直播翻译、聚会工具的开发门槛会显着降低。。

翻译从业者，
，影响更重大。。 专业同传依赖配景知识、临场判断和高准确率，
，短期内不可替换。。但大宗"不要求逐字准确、只要求马上听懂"的场景会被分流。。真正的界线不在于模子能不可翻一句话，
，而在于长对话、强口音、专业术语、多人插话时它还稳不稳。。

演示不即是日常

Google没有给出可较量的准确率数据。。70多种语言代表笼罩面扩大，
，但差别语言之间质量差别可能很大——低资源语言、方言、口音、专业术语，
，每一个都是坑。。

演示音频来自受控情形。。地铁站、咖啡馆、多人同时语言的电话聚会，
，才是真正的磨练场。。Gemini 3.5 Live Translate的意义在于把实时语音翻译推到了更开放的产品入口；；；；它能不可从"够惊艳"酿成"够可靠"，
，还要等真实场景里的大规模使用往返覆。。（易句）

（本文由AI翻译，
，网易编辑认真校对）