Google 介绍多语言 AI 研究进展与本地化语言数据合作

主要内容

Google 官方博客（2026 年 9 月 15 日）介绍了其在多语言 AI 方面的工作方向：不再只做文本翻译，而是训练模型直接处理原生音频，以保留语气、节奏、情感和语码转换等真实交流特征。

文中提及的能力与项目包括：

• Gemini 3.5 Live Translate 支持 70 种语言的实时口语翻译，来源称覆盖 2000 多个语言对；
• Gemini 3.5 Transcribe 为语音转文字模型，可在嘈杂环境或专业术语场景下转写并格式化文本；
• “1000 种语言计划”，目标是覆盖全球使用人数最多的 1000 种语言，借助跨语言迁移学习把高资源语言的能力迁移到低资源语言；
• Universal Speech Model，来源称使用 1200 万小时音频训练。

本地化数据合作方面，来源列出 WAXAL（覆盖 27 种撒哈拉以南非洲语言）、Project Vaani（与印度 IISc、Bhashini 合作，累计 109 种语言、3 万小时以上语音）、Amplify Initiative（与 1600 多名本地专家、20 所大学合作）等项目，并提到可视化语言数据仓库的 Language Explorer 工具。

在可及性方面，来源提到面向离线场景的轻量翻译模型 TranslateGemma（覆盖 55 种语言、可在设备端运行）、面向功能机的语音助手 AVA，以及覆盖 50 多种手语、在 Pixel 11 上支持 ASL 转英文的 SL2T。

适用场景

对多语言语音、翻译模型、低资源语言数据集和可及性设计感兴趣的研究与产品读者，可作为了解该厂商公开方向的参考。

限制与待核实

以上均为来源自述，本文未运行或独立验证任何模型能力、语言数量与训练数据规模；部分描述缺少技术细节、发布时间和开放获取方式，具体能力与可获取性需以官方后续资料为准。