Gemini 3.5 Live Translate

## 模型概述 Gemini 3.5 Live Translate 是 Google DeepMind 于 2026 年 6 月 9 日正式发布的实时语音翻译专属模型，API 标识符为 `gemini-3.5-live-translate-preview`。模型采用端到端音频到音频（audio-to-audio）架构，在不经过“识别 → 翻译文本 → 语音合成”串联管道的情况下，直接将输入语音实时转换为目标语言语音，具备极低延迟与自然音色保留能力。 Gemini 3.5 Live Translate 已同步上线 **Google Translate（iOS/Android）、Gemini Live API（公开预览）、Google AI Studio（公开预览），以及面向 Google Workspace 企业客户的 Google Meet（私有预览）**。 * * * ## 核心能力 - **70+ 语言实时翻译：无需手动设置语言，模型在流式输入中自动检测语言并翻译为目标语言，支持超过 70 种语言之间的 2000+ 语言组合。 - 音色保留：输出语音保留说话者的语调（intonation）、语速（pacing）与音高（pitch），实现更自然的翻译体验。 - 连续流式翻译：不等待发言结束即开始翻译，延迟通常仅落后说话者数秒，适合会议、跨语言对话等实时场景。 - SynthID 水印：所有生成音频均嵌入 SynthID 不可感知水印，满足 AI 内容溯源要求。 - 可选文字转录**：除音频输出外，可同步输出输入语音与翻译结果的文字转录（transcript），便于记录和字幕生成。 * * * ## 技术规格 Gemini 3.5 Live Translate 基于 Gemini 3 Pro 架构，专为实时翻译场景做了针对性优化： - **输入格式：原始 16-bit PCM 音频，16kHz，单声道，小端字节序（100ms 音频块） - 输出格式：原始 16-bit PCM 音频，24kHz，单声道，小端字节序；可选文字转录 - 上下文窗口：输入最高 128K tokens（131,072），输出最高 64K tokens（65,536） - 知识截止日期：2025 年 1 月 - 计费单位：25 tokens/秒音频 不支持的功能**：Batch API、上下文缓存（context caching）、函数调用（function calling）、代码执行、搜索增强（Search Grounding）、结构化输出、思考模式（thinking）等。 * * * ## API 定价 通过 Gemini Developer API 调用 `gemini-3.5-live-translate-preview` 的定价：

计费项	免费档	付费档（每百万 tokens）	等效每分钟价格
音频输入	免费	$3.50	约 $0.0053/分钟
音频输出	免费	$21.00	约 $0.0315/分钟

计费基于输入与输出音频 token 总量，换算比率为 **25 tokens/秒**，综合输入+输出约 **$0.0368/分钟**。 * * * ## 访问方式 - **Google Translate**：[translate.google.com](https://translate.google.com)（iOS/Android App） - **Gemini API**：[开发者文档](https://ai.google.dev/gemini-api/docs/models/gemini-3.5-live-translate-preview) - **Google AI Studio**：[aistudio.google.com](https://aistudio.google.com) - **Google Meet**：企业 Workspace 客户私有预览