Google AIは、70+言語に対応し、ほぼリアルタイムの音声間通訳に対応したGemini 3.5 Live Translateをリリースしました。 このモデルは生の音声ストリームを直接処理し、スピーカーのイントネーション、リズム、ピッチを保持します。 東南アジアのスーパーアプリ「Grab」は、ドライバーと...
Google AIは、70+言語に対応し、ほぼリアルタイムの音声間通訳に対応したGemini 3.5 Live Translateをリリースしました。
このモデルは生の音声ストリームを直接処理し、スピーカーのイントネーション、リズム、ピッチを保持します。 東南アジアのスーパーアプリ「Grab」は、ドライバーと乗客間の言語間コミュニケーションを探求しており、ユーザーは毎月1,000万件以上の音声通話を行っています。 開発者は、Gemini Live APIを通じてLiveKit、Fishjam、Pipecat、Vision Agentsを統合してアプリケーションを作成できます。 LiveKitは仮想会議室での多言語リアルタイム理解を可能にしました。 Software MansionはMoQプロトコルを通じてストリーミングのボトルネックを突破します。 VisionAgents AIは動的な多言語スイッチング能力を示しました。 開発者はGoogle AI StudioでCookbookのサンプルコードを試してアクセスできます。
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。
Google AI 发布 Gemini 3.5 Live Translate，可在 70 多种语言间进行近实时语音到语音翻译，并直接处理原始音频流，以保留说话者的语调、节奏和音高。
Grab 正探索将该模型用于司机与乘客的跨语言沟通，其用户每月发起超过 1000 万次语音通话。开发者可通过 Gemini Live API 结合多种框架构建应用。
Aioga 判断，此次更新的重点不仅是覆盖语言数量，还包括语音特征保留和流式集成能力。其实际价值仍需结合真实通话中的延迟、稳定性和切换表现观察。
该能力可能降低会议、出行沟通和流媒体场景的语言障碍。LiveKit、Software Mansion 与 VisionAgents AI 的案例值得关注，但材料未提供规模化部署效果。 建议开发者先在 Google AI Studio 试用并参考 Cookbook 示例代码，再围绕目标语言、实时延迟、语音特征保留及动态语言切换开展场景验证。
取得元が提供するタイトル、要約、出典、元記事リンクを掲載しています。記事全文は転載していません。
取得経路: 要約集約 · 元ドメイン: x.com
出典: X：Google AI for Developers (@googleaidevs)
元記事: 元記事を開く
Aioga アーカイブ: 情報ページを開く
Content record: social-summary · Updated: 2026-07-14T15:17:40.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga は世界の AI 動向を集約し、確認と引用のため出典情報を保持します。