谷歌发布了新一代实时语音互译模型 Gemini 3.5 Live Translate,能够自动识别 70 多种语言,并生成保留说话者语调、语速和音高的自然翻译语音。
该模型采用连续生成语音的方式,在等待更多上下文以提升翻译质量和即时翻译之间取得平衡,避免尴尬停顿,翻译音频仅比说话者慢几秒。开发者可通过 Gemini Live API 和 Google AI Studio 使用公开预览版,企业客户本月起可在 Google Meet 中使用私有预览版。
普通用户可通过 Android 和 iOS 版谷歌翻译使用该功能,连接任意耳机即可在 70 多种语言中获得更流畅的翻译。Android 用户还将获得“聆听模式”,可将手机贴到耳边收听翻译音频,无需耳机。
文中提及的 AI 工具
评论
正在加载评论…