Google翻译接入Gemini 3.5 LT实测

前段时间的 Google I/O 大会上，Google 正式发布了新一代 Gemini 3.5 模型，同时宣布将把这套 AI 能力融入更多产品。结果你猜怎么着？第一个“尝鲜”的，不是搜索、YouTube 或地图这些体量最大的应用，而是这些年存在感越来越低的 Google 翻译。

昨天，Google 翻译迎来更新，加入了由最新音频模型驱动的 Gemini 3.5 Live Translate（以下简称 Gemini 3.5 LT），这也是实时 AI 语音翻译的一次重要升级。

图片来源：Google

那么，在 Gemini 3.5 LT 的加持下，实时语音翻译的体验究竟如何？我们进行了一次深度测评。

错词漏词依旧存在，单向翻译模式存硬伤

打开 Google 翻译的实时翻译功能，选择「实时听」模式，就能进入全新的 Gemini 3.5 LT 驱动模式。不过，有个略显尴尬的设定：这个模式必须连接外置耳机才能激活。考虑到它并不能像时空壶同传那样双向同时工作，这种设计确实令人费解。

好在操作还算简单：把手机靠近对方，耳机里就能“实时”听到翻译后的音频，相当于一个 AI 同传耳机的简化版。

图片来源：雷科技

和之前那个“按住说话、松手翻译”的对话模式相比，实时听模式会在对方说完一个短句后自动开始翻译，时效性明显提升。但延迟依然存在——以中译英的古诗翻译为例，念到第三句时，耳机里才能听到第一句的翻译，和专业同传耳机那种几乎“同时启动”的效果相比仍有一定差距。

翻译准确性如何？这次测试特意安排了几个经典游戏对话，并拉上苹果翻译和有道翻译作为对比。

先来看看原文，玩过 GTA：SA 的玩家对这段点餐应该不陌生：

I'll ha ve 2 number 9s, a number 9 large, a number 6 with extra dip, a number 7, 2 number 45s, one with cheese and a large soda.

这是 Google 翻译“听”到的英文原文：

Now, I ha ve two number nines, but number nine Lord, number six with extra dip, a number seven, two number 45s, one with cheese and a large soda. Okay.Okay.

可以看到，即便是 Gemini 3.5 LT 驱动，细节处依然有纰漏：

• “I'll ha ve”变成了“I ha ve”（连读遗漏）；
• “a number 9 large”变成了“but number nine Lord”（识别错误）；
• 开头和结尾还多了“Now”和“Okay.Okay.”（识别幻觉）。

不过在翻译效果上，Google 翻译倒是准确地把这个错误的原文翻译了出来，说明 AI 翻译的后处理仍能容忍一定错误。

图片来源：雷科技

语音渲染方面，输出的音频比单纯的 TTS 更有节奏感，更接近真人说话，但依然能听出是 AI 合成语音。

作为对比，苹果翻译的问题更大——识别错误频出，翻译几乎不可用。

图片来源：雷科技

有道同传的表现反倒更稳定，只出现了一处连读遗漏（“I'll ha ve”变成“I ha ve”）和一处识别错误（“Soda”变成“Soup”），翻译质量和速度也都很稳定。

图片来源：雷科技

此外，实时听模式还有一个奇怪之处：不会保存翻译记录。对话模式和文本模式在翻译结束后都能从历史记录里看到原文和译文，但实时听模式下的翻译记录——一旦退出模式（包括耳机断开导致的强制退出）——就会全部消失。如果你打算拿它做采访记录或同传备份，还是趁早放弃这个想法。

图片来源：雷科技

体验中还发现，实时听模式依旧存在错译和主语混乱的问题。但话说回来，就连真人翻译也难免会有错译、漏译，翻译软件的优势在于能以更快的速度迭代、查漏补缺。更重要的是，作为全球通用翻译赛道的代表，Google 翻译加入 AI 阵营，必然推动整个赛道向 AI 翻译转型，这对用户而言是利好趋势。

翻译成了最值得关注的AI落地场景之一

如果单独看这次更新，只能算是一次“AI 功能补课”——别人都在接大模型，Google 翻译当然也得跟上。但如果把视角放到 2026 年整个 AI 硬件市场，翻译反而可能是今年最值得关注的 AI 落地场景之一。

原因很简单：和很多还停留在“炫技”阶段的 AI 功能不同，“翻译”的需求足够明确，也足够高频。品牌不需要解释“加 AI 能干什么”，用户也不会质疑“为什么要用 AI”。这种直接解决痛点的 AI 翻译功能，天然具备用户粘性。

比如时空壶此前推出的 X1 Meeting AI 会议同传设备，就利用 AI 模型能力，解决了同传过程中的断句点识别、语义推测、上下文纠错等传统短板。在翻译之外，还用 AI 打造了骨声纹识别功能，让翻译耳机能准确识别每句话的来源，为同传环节打好基础。

图片来源：雷科技

讯飞刚发布的 AI 眼镜则走了另一条路。主流智能眼镜一直围绕“拍摄”这个核心场景，但讯飞把“全场景翻译”定为核心。用翻译替代拍摄，不仅用更高频的场景解决了智能眼镜“吃灰”的问题，也充分发挥了讯飞在翻译领域多年的技术积累，让眼镜在赛道中快速立足。

图片来源：雷科技

无论是时空壶还是讯飞，这些 AI 翻译设备本质上都在试图让翻译从一个 App 功能，变成一种可以“移植”到不同硬件中的能力，从而覆盖更多场景。以 Google 翻译为例，虽然现阶段还面临延迟、漏译、记录缺失等问题，但长远来看，Gemini 3.5 LT 的实时音频能力完全可以接入耳机、眼镜、会议设备，甚至汽车座舱，AI 实时翻译的潜力巨大。

对时空壶、讯飞这类专业翻译硬件厂商来说，Gemini 3.5 LT 的出现既是压力，也是机会。压力很好理解：Google 这样的玩家一旦下场，必然会抬高用户对免费翻译工具的预期——去年各手机品牌先后为 TWS 耳机加入 AI 翻译功能，就直接挤压了入门翻译耳机的市场空间，也拉高了翻译耳机能力的“及格线”。

图片来源：京东

但从另一个角度看，通用翻译也有天然的短板：商务会议需要多人识别，采访需要留备份，跨境展会需要长时间续航，嘈杂环境需要更强收音——这些都不是单靠一个模型更新就能解决的。也正因如此，Google 翻译变强，并不意味着翻译耳机、翻译眼镜的故事就此终结。

Google 翻译等通用 App 只能解决“从无到有”的问题。而未来的高端翻译耳机，必将把专用 AI 能力当作产品迭代的核心驱动力，用更快、更强的专用翻译模型拉开体验差距。只有这样，才能在 AirPods 等“AI 翻译耳机”的冲击下守住核心用户群，在更细分、更高价值的市场中延续优势。随着免费 App 把基础翻译门槛越拉越低，专业设备就必须在专业场景中证明自己的实力和价值。可以肯定的是，随着 AI 技术在翻译赛道的普及，翻译硬件必将迎来新一轮洗牌。技术革新、产品优胜劣汰、消费者体验升级，这才是 AI 推动行业发展的真正意义。