-
日期: 2026-06-11 | 來源: 新智元 | 有0人參與評論 | 專欄: 谷歌 | 字體: 小 中 大
壹句話還沒說完，譯音已經響在你耳邊——而且是對方的語速、對方的語調，只慢幾秒。剛剛，Google 甩出了 Gemini 3.5 Live Translate。這是它最新的語音對語音翻譯模型，壹句話概括：把“等你說完再翻”的老規矩，直接掀了。
Google DeepMind 首席科學家 Jeff Dean 親自發帖官宣，字裡行間透著壹股“贰拾年磨壹劍”的底氣：
語音翻譯是 Google 跑得最久的機器學習項目之壹，而這壹次，它終於跑進了耳機。
把“對講機”式翻譯給掀了過去的翻譯機大家都熟。
你說壹句，它憋著，等你把話說完，再吭哧吭哧翻給對方。
壹來壹回，節奏全斷，倆人像在打對講機。
更要命的是，真實對話從來不是規規矩矩的你壹句我壹句——人會搶話、會猶豫、會說半截改口。
Gemini 3.5 Live Translate 不這麼幹。它邊聽邊譯，話音未落，譯音先到。
這背後是壹套相當微妙的平衡術：多等壹會兒，上下文聽得更全，翻得更准；立刻開口，能緊緊跟住說話人，但可能猜錯後半句。
模型就在這兩頭之間逐字逐句地反復拿捏，最終交出的效果是——輸出連貫、沒有尷尬的卡頓，全程只落後說話人幾秒。
更絕的是聲音本身。
它能保留你的語速、音高和語調——譯出來的不是冷冰冰的機器音，是帶著你說話味兒的聲音。你著急，譯音也跟著急；你慢條斯理，譯音也悠著來。
DeepMind 同步放出的模型卡透了點底：這個模型基於 Gemini 3 Pro 打造，能吃進最長 128K token 的音頻上下文，評測就盯著叁個指標死磕——翻譯質量、延遲、語音自然度。
- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見