Google Translate及Meet迎重大更新：Gemini 3.5實時無縫語音翻譯功能詳解

Google推出Gemini 3.5 Live Translate：實時語音翻譯支援超過70種語言

Google官方近期宣佈推出最新嘅語音模型——Gemini 3.5 Live Translate。呢個系統主打提供接近實時嘅「語音對語音」（Speech-to-Speech）翻譯服務，並且涵蓋超過70種語言。今次更新唔單止代表住人工智能喺自然語言處理上嘅一大突破，更重要嘅係，相關技術會直接整合到一般大眾經常使用嘅Google Meet同埋Google Translate手機應用程式當中，預期可以大幅度降低跨語言溝通嘅門檻。

Gemini 3.5 Live Translate重點功能

技術突破：由「回合制」到「無縫持續翻譯」

要了解Gemini 3.5 Live Translate嘅獨特之處，首先要對比以往嘅翻譯工具。過去市場上大部份嘅語音翻譯系統，都採用「回合制」（Turn-by-turn）設計。即係話，系統必須等待講者完全講完一句說話，停頓落嚟之後，先至開始進行翻譯並讀出結果。呢種運作模式往往會造成對話中斷，令到溝通節奏變得唔自然，甚至會出現尷尬嘅冷場。

全新嘅Gemini 3.5 Live Translate打破咗呢個限制。系統能夠喺講者發言嘅同時，持續處理串流語音並生成翻譯。Google嘅開發團隊喺系統入面取得咗一個平衡點：既保留極短嘅緩衝時間去理解上文下理以確保翻譯準確度，同時做到緊貼講者嘅說話節奏，只係比起原音延遲短短幾秒鐘。呢種無縫嘅體驗，令即時對話變得更加流暢。

此外，新模型亦具備高度嘅自然語音生成能力。佢唔單止能夠準確翻譯字面意思，仲可以保留原講者嘅語調、語速同埋音高（Pitch）。配合強大嘅抗噪音功能，即使喺嘈雜或者不可預測嘅環境之下，系統依然能夠穩定運作。

商業應用：Google Meet跨語言會議全面升級

對於一眾上班族同埋跨國企業而言，Google Meet嘅更新絕對係今次發佈嘅一大焦點。喺升級之前，Google Meet嘅語音翻譯功能只限於五種語言，而且所有翻譯都一定要用英文做中介轉換語言，應用場景相對局限。

當Gemini 3.5 Live Translate正式導入Google Meet之後，系統將會直接支援超過70種語言。更重要嘅突破係，新版本容許同一個會議入面出現超過2,000種唔同嘅語言配對組合（Language Combinations）。舉個例子，與會者可以直接由日文翻譯做廣東話，或者由西班牙文翻譯做韓文，過程唔需要再硬性經過英文作中轉。同時，Google亦會更新Meet嘅用戶介面，令用家可以更快捷咁開啟語音翻譯功能。

日常實用：Google Translate手機應用程式新功能

除咗企業層面，一般用家亦可以透過iOS同埋Android版本嘅Google Translate應用程式體驗到新技術。當用家使用Live Translate實時翻譯功能嗰陣，只要連接任何一款耳機，就可以聽到貼近原講者語氣嘅翻譯語音，非常適合旅遊或者同外國朋友交流嘅時候使用。

值得留意嘅係，Google針對Android手機用家，特別加入咗全新嘅「聆聽模式」（Listening Mode）。例如喺安靜嘅環境或者未有隨身攜帶耳機嘅時候，用家只需要將手機貼近耳邊（就好似平時聽電話一樣），系統就會將實時翻譯嘅語音直接由手機聽筒播放出嚟。呢個設計既能夠保護對話私隱，唔會將翻譯聲帶外放播畀周圍嘅人聽，亦免卻咗一定要依賴耳機嘅不便。官方示範入面提到，用家可以利用呢個模式，一邊聽住西班牙文嘅導賞團，一邊由聽筒接收英文翻譯，過程輕鬆簡單。

開發者生態與實際應用案例

為咗推動整個AI翻譯生態圈發展，Google亦透過Gemini Live API以及Google AI Studio，向開發者開放預覽測試。目前已經有幾個開發者平台（例如Agora、LiveKit等）整合咗相關API，協助程式編寫員減輕處理複雜實時媒體串流架構嘅負擔，專注於設計更好嘅用戶體驗。

喺實際應用方面，東南亞大型叫車及外送平台Grab已經開始測試呢項技術。Grab每月處理超過一千萬次語音通話，透過Gemini 3.5 Live Translate，司機同乘客即使言語不通，亦可以喺上車前透過接近實時嘅語音翻譯進行溝通，有效減少因為語言障礙而引致嘅誤會或者延誤。

AI安全機制：SynthID浮水印技術防偽造

隨住人工智能生成語音技術越嚟越成熟，社會對聲音偽造以及假資訊嘅擔憂亦都跟住增加。為咗釋除疑慮並確保技術負責任咁被使用，Google喺Gemini 3.5 Live Translate入面加入咗安全機制。

所有由呢個模型生成嘅語音，都會被自動嵌入名為「SynthID」嘅浮水印。呢種浮水印係一種人耳無法察覺嘅隱藏標記，直接編織喺音頻輸出當中。透過特定嘅檢測工具，平台或者分析人員可以準確識別出有關音頻係咪由AI生成，從而有效阻止技術被不法份子利用作詐騙或散播虛假資訊。

實用資訊整理：用家如何獲得更新

為咗方便讀者掌握最新資訊，以下整理咗各項功能推出嘅預計時間表：

• 開發者： 即日起已經可以透過Gemini Live API及Google AI Studio進行公開預覽。
• Google Meet企業用戶： 將於本月內向指定嘅Google Workspace商業客戶推出私人預覽版（Private Preview），並計劃喺今年稍後時間擴展至更多用家。
• 一般個人用戶： Gemini 3.5 Live Translate以及全新嘅「聆聽模式」（只限Android），將會逐步向全球iOS及Android系統嘅Google Translate應用程式推送更新。

總結

總括而言，Gemini 3.5 Live Translate嘅出現，顯示出實時語音翻譯技術已經邁向一個新階段。由支援語言數量嘅大幅增加、持續無縫翻譯技術嘅突破，以至到針對不同作業系統硬件嘅配合（如Android專屬聆聽模式），都展現出新技術為日常溝通同商務環境帶來嘅實際便利。對於經常需要接觸多國語言嘅跨國工作者，或者熱愛旅遊嘅人士而言，呢項技術更新確實提供咗一個更高效嘅溝通方案。用家可以密切留意Google稍後嘅正式更新推送，以親身體驗相關功能。