来源：https://mp.weixin.qq.com/s/u-0iK-a5si7S1kdoDuAIsQ

小编速览

谷歌新版 Translate App 解锁重磅功能！连接任意耳机即可变身支持 70 余种语言的同声传译器，依托 Gemini 2.5 Flash Native Audio 模型，还原说话者语调与情绪。该模型在准确率、指令遵循率及多轮对话质量上表现亮眼，已落地电商、房贷、客服等场景。目前安卓美墨印地区测试中，AI Studio 可免费体验，为跨语言沟通与生产力提升提供新方案。

谷歌继续发力。

这一次，是语音。

打开最新版 Google Translate App，连上任意耳机，点一下 Live translate，对着说话的人。

Bingo，你就拥有了一个支持 70 多种语言的「同声传译器」。

更意想不到的是，它不挑。

不需要翻译器这样的专业设备，你手上的任何耳机都行。

而且，它不是那种冷冰冰的“机翻”。

翻译出来的声音会保留说话者的语调、节奏，甚至是情绪起伏。

你甚至能分辨出是谁在说话。

出国旅游、外语电影、国外餐厅点菜，一副耳机就都解决了。

目前这个功能还是 beta，只在安卓 App，面向美国、墨西哥和印度用户开启测试。

iOS 和更多地区要等明年了。

划重点，这里的地区，意思是你谷歌账号所在的地区。

01｜背后的功臣：Gemini 2.5 Flash Native Audio

实时翻译背后的功臣，是谷歌刚刚更新的模型：Gemini 2.5 Flash Native Audio。

见名知意，它是一个原生语音模型。

ComplexFuncBench Audio，专门测试语音 AI 在实时对话中调用外部工具的能力。

在这个基准中，新版 Gemini 准确率 71.5%。

作为对比，OpenAI 的 gpt-realtime 是 66.5%。

在真实对话中，这意味着 AI 能更准确地判断什么时候该去查信息、查什么，以及查完还能自然地融入对话里，不出现尴尬停顿。

指令遵循率也提升了，从 84% 到 90%。

以前给 AI 设定规则，它有 16% 的概率会忘记或理解错。

现在好多了。

多轮对话质量更是从 62% 上涨到了 83%。

新版 Gemini 能更好地记住之前聊过什么。

一句话总结，Gemini 2.5 Flash Native Audio 变得更靠谱了。

02｜Shopify 这样说

Shopify，全球最大的独立电商建站平台，服务数百万商家。

它们用这个模型做了个助手，叫 Sidekick。

Shopify 产品副总裁 David Wurtz 这样评价：

「用户在使用 Sidekick 一分钟内就忘记自己在和 AI 说话，有些人在长对话结束后甚至会对机器人说谢谢。」

说谢谢。

对一个 AI。

这可能才是语音 AI 真正的转折点。

不是跑分第一，而是普通用户开始分不清自己在和人还是 AI 对话。

03｜已经有公司在用它赚钱了

除了 Shopify，还有两个案例。

卖房子的 United Wholesale Mortgage 把这个模型集成到他们的 AI 助手 Mia 里。

结果，Mia 已经帮经纪人搞定了超过 14000 笔贷款。

Newo.ai 用它做 AI 前台客服。

他们说这个模型能在嘈杂环境中识别出主要说话者，能在对话中途切换语言。

听起来「非常自然和富有情感」。

低延迟、高情商的语音 AI，已经是生产力了。

04｜现在就能用

还是你们熟悉的老朋友，谷歌 AI Studio。

打开 AI Studio，左侧菜单栏里点 Playground，中间选择 Live。

继续点击那个带有「New」标识的 Gemini 2.5 Flash Native Audio。

你就可以嗨起来了，完全免费。

API 现在也能用，preview 预览版。

模型名 gemini-2.5-flash-native-audio-preview-12-2025。

另外，Gemini 2.5 Flash 和 Gemini 2.5 Pro 的 TTS 模型也更新了，但更推荐这个实时语音。

练口语、语音助手、客服机器人，可以冲了。