DataLearner 标志
GE

Gemini 3.5 Live Translate

翻译大模型Gemini 3.5

Gemini 3.5 Live Translate

发布时间: 2026-06-09知识截止: 2025-01-0196
在线体验GitHubHugging FaceCompare
模型参数
未披露
上下文长度
128K
中文支持
支持
推理能力

Gemini 3.5 Live Translate 是 Google DeepMind 于 2026 年 6 月 9 日发布的实时语音翻译专属模型(API ID:gemini-3.5-live-translate-preview),采用端到端音频到音频架构,支持 70+ 语言自动检测与双向翻译,上下文窗口 128K tokens,输出最高 64K tokens。模型保留说话者语调与音色,内嵌 SynthID 水印,已上线 Google Translate、Gemini API 和 Google AI Studio,定价约 $3.50/$21.00 每百万 audio input/output tokens。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

Gemini 3.5 Live Translate

模型基本信息

推理过程
不支持
思考模式
不支持思考模式
上下文长度
128K tokens
最大输出长度
64K tokens
模型类型
翻译大模型
输入/输出模态
音频 → 文本、音频
发布时间
2026-06-09
模型文件大小
暂无数据
MoE架构
总参数 / 激活参数
暂无数据 / 不涉及
知识截止
2025-01-01
Gemini 3.5 Live Translate

开源和体验地址

代码开源状态
不开源
预训练权重开源
不开源
GitHub 源码
暂无GitHub开源地址
Hugging Face
暂无开源HuggingFace地址
Gemini 3.5 Live Translate

官方介绍与博客

官方论文
暂无官方论文
DataLearnerAI博客
暂无介绍博客
Gemini 3.5 Live Translate

API接口信息

接口速度
5/5
💡默认单位:$/100万 tokens。若计费单位不同,则以供应商公开的原始标注为准。
标准模式
类型适用条件输入输出
音频-$0.0053/ 1M$0.032/ 1M
Gemini 3.5 Live Translate

评测结果

当前尚无可展示的评测数据。

和其他模型对比

暂时没有为该模型整理的相关对比页面。

想自定义其他组合?打开对比工具

Gemini 3.5 Live Translate

发布机构

Gemini 3.5 Live Translate

模型解读

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

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码