Google AI a lancé Gemini 3.5 Live Translate, prenant en charge 70+ langues avec une traduction
vocale à voix vocale à latence quasi réelle. Ce modèle traite directement le flux audio brut, préservant l’intonation, le rythme et la hauteur du haut-parleur. La super application Grab en Asie du Sud-Est explore la communication interlinguistique entre conducteurs et passagers, avec plus de 10 millions d’appels vocaux par mois par utilisateurs. Les développeurs peuvent créer des applications en intégrant LiveKit, Fishjam, Pipecat ou Vision Agents via l’API Gemini Live. LiveKit a permis une compréhension multilingue en temps réel dans des salles de réunion virtuelles ; Software Mansion brise les goulots d’étranglement du streaming via le protocole MoQ ; VisionAgents AI a démontré des capacités de commutation multilingue dynamique. Les développeurs peuvent essayer et accéder au code d’exemple de Cookbook dans Google AI Studio.
Google AI 发布 Gemini 3.5 Live Translate,支持 70+ 语言、近实时延迟的语音到语音翻译。
该模型直接处理原始音频流,保留说话者语调、节奏和音高。
东南亚超级应用 Grab 正探索将其用于司机与乘客间的跨语言沟通,其用户每月发起超 1000 万次语音通话。
开发者可通过 Gemini Live API 集成 LiveKit、Fishjam、Pipecat 或 Vision Agents 构建应用。
LiveKit 已实现虚拟会议室多语言即时理解;
Software Mansion 结合 MoQ 协议突破流媒体瓶颈;
VisionAgents AI 展示了动态多语言切换能力。
开发者可在 Google AI Studio 试用并获取 Cookbook 示例代码。
La source fournit un titre, un résumé, une attribution et un lien original. Aioga ne republie pas l’article intégral.