http://x.com/i/article/2067347903761485824

开发者如何利用 Gemini 3.5 Live Translate 进行构建

支持 70 多种语言。流畅、自然的语音到语音转换。近乎实时的延迟。

Gemini 3.5 Live Translate 正在从根本上改变开发者构建全球多语言应用的方式。通过处理原始音频流，而非逐轮转换文本，它保留了说话者的语调、语速和音高。

东南亚领先的超级应用 Grab 正在探索如何打破司机与乘客之间的语言障碍。该应用每月有超过 1000 万次语音通话，该模型使跨语言交流变得自然流畅。

你可以通过将 Gemini Live API 与 LiveKit、Fishjam、Pipecat 或 Vision Agents 结合使用，来构建和部署自己的语音翻译应用。这些集成方案处理了复杂的实时媒体流基础设施，让你能够专注于用户体验。

深入了解如何使用这些工具进行构建 ⬇️

LiveKit (@livekit)

通过将 LiveKit Agents 与 Gemini 3.5 Live Translate 结合，LiveKit 团队构建了一个虚拟会议室，每个人都说自己的母语，并能即时理解彼此，从而打破了语言障碍。该模型自动处理多语言输入，并持续流式传输语音，在说话者说完后仅需几秒即可提供流畅的翻译。

Software Mansion (@swmansion)

Software Mansion 团队将 Gemini 3.5 Live Translate 与超快的 MoQ（基于 QUIC 的媒体传输）协议相结合。这种集成方案绕过了传统的流媒体瓶颈，为向大规模受众提供高质量、低延迟的语音到语音翻译树立了新标准。

VisionAgents AI (@visionagents_ai)

实时翻译本身就具有挑战性，而动态切换不同语言则更加困难。观看 VisionAgents AI 如何通过即时输入多种语言来测试新模型的极限。借助 Gemini 3.5 Live Translate 的自动检测功能，该智能体轻松应对快速的上下文切换，同时保持自然的语调，而非退回到机械的、基于轮次的响应。

准备好开始构建了吗？

你可以在 Google AI Studio 中试用 Gemini 3.5 Live Translate，并从 Gemini Cookbook 获取入门代码。阅读博客了解更多详情。