Gemini 3.5 Live Translate 是一個真實、專用的 Google 模型——於 2026 年 6 月推出——可在 70+ 種語言之間進行近乎即時的語音對語音翻譯。開發者可透過 Gemini Live API 以 gemini-3.5-live-translate-preview 這個模型來使用它，而 Google 也透過 Google 翻譯應用程式與 Google Meet 語音翻譯預覽，向符合資格的使用者提供 Live Translate。不存在的是一個你只要直接打開就能用的現成「Live Translate API」：透過 API 使用這個模型，仍然代表你必須圍繞它去打造應用程式。
這裡是多數搜尋結果略過的重點：API 是一個建構元件，不是完成品工具。若你是開發者，這個差異令人興奮；但如果你只是想在今天下午的即時通話中聽懂東京的客戶，這可能會變成一段三週的繞路。
你大概已經注意到 Google 的 Gemini 模型推進得有多快——新版本持續推出、功能不斷擴充，而文件每一季都在變動。本指南會說明 Gemini Live API 在翻譯上真正能做什麼、用它開發的成本是多少，以及什麼時候你其實更適合選擇一個完成度高、以瀏覽器為基礎、完全不需要寫程式的即時會議翻譯工具。
重點摘要
- Gemini 3.5 Live Translate 是一個真實、專用的 Google 模型（gemini-3.5-live-translate-preview），可用於即時語音對語音翻譯。開發者透過 Gemini Live API 來使用它——並沒有一個你只要切換就能啟用的現成「API 產品」。
- 模型版本名稱（「2.5」、「3」、「3.5」等）變動很快；實作時應以當下可用的 Gemini 模型為準，而不是幾個月前你在標題裡看到的名稱。
- 這個 API 是給開發者用的：你要自己寫程式、管理 API 金鑰、擷取音訊，並自行處理擴充與錯誤。
- Gemini API 的計價是依使用量而定——但更大的成本通常是工程時間，而不是每次請求的帳單。
- 如果你想要的是結果（會議中的即時翻譯語音），像 MirrorCaption 這樣的完成品工具能在不到一分鐘內讓你達成，而且完全不需要寫程式。
什麼是「Gemini 3.5 Live Translate API」？
先把名稱釐清。大家搜尋「Gemini 3.5 Live Translate API」，通常是期待有一個單一開關，能把 Gemini 變成即時口譯員。這個模型確實存在，而且也有名稱——但作為 API，它是拿來讓你開發的，不是按一下就能用的產品。
你可以透過 Google 為開發者文件化的 Gemini Live API 使用 Gemini 3.5 Live Translate。這是一個低延遲介面，會把音訊串流送入，並把回應串流送回來——文字，以及可選的合成語音。Live Translate 是專用音訊模型，專門為這項工作調校；而更廣泛的 Live API 也能搭配其他模型處理轉錄、摘要或問答。
「3.5」指的是模型版本。Gemini 已經歷經好幾代，而 Google 會在其 models 頁面列出目前可用的選項。版本品牌更新得很快，所以實務上的建議很簡單：請以當下 Gemini Live API 可用的模型來開發，而不是六個月前你在部落格標題裡讀到的某個特定數字。
核心概念：作為 API，Live Translate 是一個你要圍繞它來建構的模型，而不是一個按下播放就完成的成品。你開啟一個與語音對語音模型的串流工作階段，送入音訊，它再把翻譯後的語音與文字串流回來。這種彈性是開發者喜歡它的原因——也是其他人感到麻煩的地方。
想完全跳過開發，直接在瀏覽器裡讀取即時翻譯嗎？你可以免費試用 MirrorCaption，含一小時代管轉錄，無需信用卡。我們稍後會回來談這點——先來看看 API 路徑是怎麼運作的。
開發者如何使用 Gemini Live API 進行翻譯
從技術層面來看，建立在 Gemini Live API 上的即時翻譯應用程式有一個清楚的結構。每一步單獨看都不複雜；真正的工作在於把它們可靠地串接起來。
- 開啟串流工作階段。 你的應用程式使用 API 金鑰進行驗證，並與 Live API 建立持續連線。
- 擷取並串流音訊。 你在瀏覽器或後端抓取麥克風（或會議）音訊，並在音訊到達時立即串流出去。
- 設定指令。 系統提示會告訴模型要做什麼——例如：「轉錄說話者並翻譯成英文。」
- 接收部分結果。 API 會在說話者講話時持續回傳文字，因此你可以在句子結束前就顯示翻譯。
- 可選擇將其朗讀回來。 Live API 可以回傳合成音訊，因此你的應用程式可以把翻譯後的語音播放出來。
這確實很強大。打造客製化客服中心產品、利基型資訊站，或嵌入式裝置的團隊，會得到一個可彈性調整的引擎，能精準配合他們的工作流程。
這裡有一個示意例子。 想像 Priya，一位正在原型開發雙語支援小工具的開發者。她在一個下午就做出一個 demo，能把她的聲音串流到 Gemini Live API，並在畫面上顯示英文翻譯。這感覺像魔法——直到她開始列出真正使用者能碰到它之前還剩下什麼：音訊重新連線邏輯、處理靜音與多人重疊發言、速率限制、計費警示、通話中斷時的備援，以及隱私審查。這個原型只是最容易的 20%。
這並不是在批評 API。這只是 demo 與產品之間誠實的差異。也正因為這個落差，許多想要準確即時翻譯的人，會選擇完成品工具，而不是原始模型端點。
使用 Gemini API 開發的真正成本
標題上的成本是 API 帳單。Google 針對 Gemini API 採用按使用量計費，因此價格會隨你選擇的模型，以及你送入多少音訊與文字而變動。對開發者來說，這很合理，也很透明。
但 API 帳單很少是實際上的主要成本。建立並維護一個可上線的翻譯功能，還意味著：
- 工程時間：用來建立音訊管線、介面與錯誤處理。
- 維護：隨著模型版本變動與端點演進而持續更新——每季的文件變動都會落到你的團隊身上。
- 基礎架構：當不只少數人使用時，還需要串流、擴充與監控。
- 合規：音訊流向哪裡、記錄了什麼，以及你如何告知使用者。
再舉一個示意例子。 Marco 是一位自由顧問，有兩位說中文的客戶。他不需要 API——他需要在星期四看懂一通視訊通話。把 Gemini Live API 指給他，等於要雇一位開發者，替他打造一個每個月只會用兩小時的東西。這筆帳永遠算不過來。Marco 想要的是結果，不是建構元件。
這個分界——開發者與其他人——才是真正的決策點。所以我們把它說得更具體一些。
API 與完成品工具：你真正需要的是哪一個？
如果你正在 Gemini Live API 開發與使用現成翻譯工具之間做選擇，這個表格會把取捨列清楚。沒有絕對錯誤的答案——取決於你要的是建構元件，還是結果。
| Gemini Live API（自行開發） | MirrorCaption（直接使用） | |
|---|---|---|
| 適合對象 | 開發者與產品團隊 | 會議或對話中的任何人 |
| 設定 | 寫程式、管理 API 金鑰、建立音訊管線 | 打開瀏覽器分頁即可開始 |
| 首次翻譯所需時間 | 數天到數週的工程工作 | 不到一分鐘 |
| 會議 | 你要自己建立音訊擷取與路由 | 在 Chrome 或 Edge 中擷取會議分頁音訊——不會有機器人加入通話 |
| 語音輸出 | 你要自己建立播放功能 | Speak Translations 可以將翻譯朗讀出來 |
| 成本模式 | 依使用量計費的 API 帳單 + 工程時間 | 免費試用一小時，或 €99 一次性終身方案 |
| 維護 | 隨模型版本變動自行更新 | 由我們代為處理 |
如果你正在推出一個客製化產品，而翻譯只是其中一個元素，那麼 API 就是正確工具。如果翻譯就是這項工作，那麼完成品工具在每一項不是「無限客製化」的指標上都更勝一籌。
MirrorCaption：不用寫程式的即時翻譯
MirrorCaption 就是上面那張表格中的完成品工具一側。它是一款以瀏覽器為基礎的即時轉錄與翻譯應用程式，支援 50+ 可選語言，無需安裝，也不需要批准會議機器人。
對於線上會議，Meet mode 會在桌面版 Chrome 或 Microsoft Edge 中擷取你的會議分頁音訊。沒有機器人加入通話，因此參與者名單裡不會出現尷尬的「錄音助理」。它可與瀏覽器版 Zoom、Teams、Meet 和 Webex 一起使用——由主辦方選哪個，你就用哪個。
對於面對面對話，Talk mode 會把你的手機變成持續進行的口譯工作階段。你只要啟動一次，雙方就輪流說話；它不是那種要你按一下、等一下的短語手冊。再加上 Speak Translations，MirrorCaption 可以把你的翻譯語音用另一種語言朗讀出來——讓桌子對面的人聽到訊息，而不只是看到字幕。
以下幾點，對 Priya 和 Marco 這樣的人特別重要：
- 無需程式碼，無需 API 金鑰。 代管的轉錄與翻譯層會由我們為你管理。
- 以隱私為優先。 會議音訊會透過你的瀏覽器串流，且不會儲存在我們的伺服器上——只有你選擇儲存的逐字稿會保留在本機。
- AI 摘要。 會議進行時，摘要會持續更新，因此晚加入的人只要讀一次就能跟上。
- 簡單定價。 免費試用一小時（一次性，沒有每月重置）、Pro Yearly 為 €54.99，包含 110 小時代管轉錄，或 €99 一次性終身方案，包含 200 小時與所有未來更新。額外時數來自 Voice Packs，而終身客戶享有最低的每小時費率。
這就像是租一台引擎，和駕駛一輛完成品汽車的差別。如果你也在評估其他選項，我們的 OpenAI Whisper 比較 會針對語音轉文字說明同樣的「自行開發 vs. 直接使用」問題，而 Google Meet 翻譯替代方案 頁面則涵蓋平台內字幕。
現今人們使用即時翻譯的三種方式
以下這些簡短的示意情境，說明完成品工具何時比原始 API 更值得使用。
跨境銷售通話
柏林的一位創辦人與聖保羅的潛在客戶通話。當對方說葡萄牙語時，Meet mode 會在她的螢幕上顯示德語對話，而 Speak Translations 會把她的回覆用語音播出。整個過程沒有開發者介入——她只是在通話前打開了一個分頁。
旅行時看醫生
一位在日本的旅客把手機遞到診所桌面對面。Talk mode 會在對話來回進行時維持單一連續工作階段，因此沒有人需要為每一句話暫停並按按鈕。
多語言每日站會
一個分散式團隊進行每日站會，上海工程師、柏林 PM 與里斯本設計師各自用自己的語言閱讀會議內容——是在通話當下，而不是之後寄出的逐字稿裡。你可以在我們的即時字幕指南中看到更廣泛的模式。
常見問題
有 Gemini 3.5 Live Translate API 嗎？
有——Gemini 3.5 Live Translate 是一個真實、專用的 Google 模型（模型代碼 gemini-3.5-live-translate-preview），可用於即時語音對語音翻譯。開發者透過 Gemini Live API 來使用它；只是沒有一個你不用開發應用程式就能直接啟用的現成「API 產品」。Google 也透過 Google 翻譯應用程式與 Google Meet 語音翻譯預覽提供 Live Translate。
Gemini 可以即時翻譯語音嗎？
可以。Gemini Live API 支援低延遲、雙向音訊串流，因此你可以把麥克風音訊串流進去，並在對方還在說話時收到翻譯文字或語音回傳——前提是你要自行建立周邊應用程式。
使用 Gemini Live API 需要寫程式嗎？
需要。這是給開發者的介面。你必須寫程式、管理 API 金鑰、擷取並串流音訊，以及處理錯誤與擴充。只想要翻譯結果的非開發者，會更適合使用完成品工具。
Gemini Live API 要多少錢？
Gemini API 是依使用量計費，因此價格取決於模型與你處理的音訊和文字量。Google 會在其定價頁面公布最新費率。也要把工程時間算進去——API 本身只是成本的一部分。
不使用 API，最簡單的即時會議翻譯方式是什麼？
使用完成品瀏覽器工具。MirrorCaption 可在桌面版 Chrome 或 Edge 中執行，擷取會議分頁音訊且不會有機器人加入通話，並以 50+ 種語言顯示即時翻譯。無需寫程式，也不用管理 API 金鑰。
結論
如果你搜尋的是「Gemini 3.5 Live Translate API」，誠實的答案是：這個模型確實存在——但透過 API 使用它，得到的是一個強大的建構元件，而不是完成品。它完全可以支援即時翻譯，前提是你的團隊有工程時間去圍繞它進行開發、維護與擴充。
對其他所有人——有兩位客戶的顧問、在診所裡的旅客、只想在今天的通話中互相聽懂彼此的團隊——這個建構元件就太過頭了。你要的是結果，而且是現在就要。這正是以瀏覽器為基礎的工具所提供的：打開分頁、選擇語言，並在對話仍在進行時，用自己的語言讀懂每一個字。
開發者，去開發吧。其他人，跳過程式碼，直接開始翻譯。