Gemini 3.5 Live Translate 是一个真实、专门的 Google 模型——于 2026 年 6 月发布——用于在 70 多种语言之间进行近实时语音到语音翻译。开发者通过 Gemini Live API 以模型 gemini-3.5-live-translate-preview 的形式访问它，Google 也通过 Google 翻译应用和适用于符合条件用户的 Google Meet 语音翻译预览版提供 Live Translate。真正不存在的是一个现成的“Live Translate API”，让你直接一键开启：通过 API 使用该模型，仍然意味着要围绕它构建应用。
这里是大多数搜索结果一笔带过的部分：API 是一个构建模块，不是成品工具。若你是开发者，这种区别令人兴奋。若你只是想在今天下午的一次实时通话中听懂东京的客户，这可能会变成一个为期三周的绕路。
你大概已经注意到 Google 的 Gemini 模型推进得有多快——新版本不断发布，能力持续扩展，文档每个季度都在变化。本指南会解释 Gemini Live API 在翻译方面到底能做什么、用它构建要花多少钱，以及什么时候你更适合直接使用一个现成的、基于浏览器的实时会议翻译工具，完全不需要写代码。
要点总结
- Gemini 3.5 Live Translate 是一个真实、专门的 Google 模型（gemini-3.5-live-translate-preview），用于实时语音到语音翻译。开发者通过 Gemini Live API 访问它——并不存在一个你只需切换开启的现成“API 产品”。
- 模型版本名称（“2.5”、“3”、“3.5”等）变化很快；应针对当前的 Gemini 模型进行开发，而不是针对你在六个月前某篇标题里看到的那个名称。
- 该 API 面向开发者：你需要自己编写代码、管理 API 密钥、捕获音频，并处理扩展和错误。
- Gemini API 的定价按使用量计费——但更大的成本通常是工程时间，而不是每次请求的账单。
- 如果你想要的是结果（会议中的实时翻译语音），像 MirrorCaption 这样的成品工具能在一分钟内帮你实现，而且无需代码。
什么是“Gemini 3.5 Live Translate API”？
先把名称说清楚。人们搜索“Gemini 3.5 Live Translate API”，期待有一个单独开关能把 Gemini 变成实时口译员。这个模型是真实存在且有名称的——但作为 API，它是用来构建的东西，不是一键式产品。
你可以通过 Google 面向开发者文档中的 Gemini Live API 访问 Gemini 3.5 Live Translate。它是一个低延迟接口，可将音频流式输入并将响应流式返回——文本，以及可选的合成语音。Live Translate 是为此任务调优的专用音频模型，而更广泛的 Live API 也可以配合其他模型处理转录、摘要或问答。
“3.5”部分是模型版本。Gemini 已经经历了多个世代，Google 在其模型页面上列出了当前可用选项。版本命名变化很快，所以实用建议很简单：应针对当前适用于 Live API 的 Gemini 模型进行开发，而不是针对你六个月前在博客标题里读到的某个具体数字。
核心观点：作为 API，Live Translate 是一个需要围绕它构建的模型，而不是一个按下播放键就完成的成品。你打开一个与语音到语音模型的流式会话，输入音频，它再把翻译后的语音和文本流式返回。这种灵活性对构建者很有吸引力——但对其他人来说就会带来摩擦。
想完全跳过构建，直接在浏览器里阅读实时翻译吗？你可以免费试用 MirrorCaption，包含一小时托管转录，无需信用卡。我们稍后会回到这一点——先看看 API 路径是如何工作的。
开发者如何使用 Gemini Live API 进行翻译
从技术层面看，基于 Gemini Live API 构建的实时翻译应用有一个清晰的形态。每一步单独看都很直接；难点在于把它们可靠地串联起来。
- 打开流式会话。 你的应用使用 API 密钥进行身份验证，并与 Live API 建立持久连接。
- 捕获并流式传输音频。 你在浏览器或后端获取麦克风（或会议）音频，并在音频到达时立即流式发送。
- 设置指令。 系统提示会告诉模型要做什么——例如，“转录说话者并翻译成英语。”
- 接收部分结果。 API 会在说话者讲话时流式返回文本，因此你可以在句子结束前就显示翻译。
- 可选地将其读回。 Live API 可以返回合成音频，因此你的应用可以把翻译后的语音播放出来。
这确实很强大。一个正在构建定制呼叫中心产品、细分自助终端或嵌入式设备的团队，能得到一个灵活的引擎，并且可以精确地按自己的工作流程进行塑造。
这里有一个示例。 想象一下 Priya，一位正在原型开发双语支持小组件的开发者。一个下午，她就做出了一个演示版：把她的声音流式发送到 Gemini Live API，并在屏幕上输出英文翻译。那感觉像魔法——直到她开始列出真正用户可用之前还剩下什么：音频重连逻辑、静音和多人重叠发言的处理、速率限制、计费提醒、通话中途连接断开时的回退方案，以及隐私审查。这个原型只是最容易的 20%。
这并不是在否定 API。它只是演示与产品之间真实差异的体现。同样的差距，也正是为什么许多想要准确实时翻译的人会选择成品工具，而不是原始模型端点。
使用 Gemini API 构建的真实成本是什么
表面上的成本是 API 账单。Google 对 Gemini API 采用按使用量计费，因此价格会随着你选择的模型以及你传入的音频和文本量而变化。对开发者来说，这种方式合理且透明。
但 API 账单往往不是实际成本。构建并维护一个生产级翻译功能还意味着：
- 工程时间：用于构建音频管道、界面和错误处理。
- 维护：随着模型版本变化和端点演进而持续更新——每季度的文档变动都会落到你的团队身上。
- 基础设施：当不止少数人使用时，需要支持流式传输、扩展和监控。
- 合规：音频流向哪里、记录了什么，以及你如何告知用户。
再举一个示例。 Marco 是一位自由顾问，有两位讲普通话的客户。他不需要 API——他需要在周四的一次视频通话中听懂对方。把他引向 Gemini Live API，就意味着要雇开发者为他构建一个每月只用两小时的东西。这个账怎么算都不划算。Marco 想要的是结果，而不是构建模块。
这种分界——构建者与其他人——才是真正的决策点。所以我们把它说得更具体一些。
API 与成品工具：你真正需要哪一个？
如果你在 Gemini Live API 上构建和使用现成翻译工具之间做选择，这张表格列出了取舍。没有绝对错误的答案——这取决于你想要的是构建模块还是结果。
| Gemini Live API（自己构建） | MirrorCaption（直接使用） | |
|---|---|---|
| 适用对象 | 开发者和产品团队 | 会议或对话中的任何人 |
| 设置方式 | 编写代码、管理 API 密钥、构建音频管道 | 打开浏览器标签页即可开始 |
| 首次翻译所需时间 | 数天到数周的工程工作 | 一分钟以内 |
| 会议 | 你需要自己构建音频捕获和路由 | 在 Chrome 或 Edge 中捕获会议标签页音频——不会有机器人加入通话 |
| 语音输出 | 你需要自己构建播放功能 | Speak Translations 可以将翻译朗读出来 |
| 成本模式 | 按使用量计费的 API 账单 + 工程时间 | 免费试用一小时，或 €99 一次性终身方案 |
| 维护 | 随着模型版本变化由你更新 | 由我们为你处理 |
如果你正在交付一个定制产品，而翻译只是其中一个组成部分，那么 API 就是合适的工具。如果翻译就是这项工作本身，那么成品工具在所有不是“无限定制”的方面都更胜一筹。
MirrorCaption：无需编写代码的实时翻译
MirrorCaption 就是上表中的成品工具一侧。它是一个基于浏览器的实时转录和翻译应用，支持50 多种可选语言，无需安装，也不需要批准会议机器人。
对于线上会议，Meet 模式会在桌面版 Chrome 或 Microsoft Edge 中捕获你的会议标签页音频。不会有机器人加入通话，因此参与者列表里不会出现令人尴尬的“录音助手”。它可与基于浏览器的 Zoom、Teams、Meet 和 Webex 一起使用——你只需选择主持人所用的平台即可。
对于面对面交流，Talk 模式会把你的手机变成一个持续的口译会话。你只需启动一次，双方轮流发言；它不是那种点一下、等一句的短语手册。借助 Speak Translations，MirrorCaption 还能把你的翻译语音用另一种语言朗读出来——这样桌子对面的人听到的是信息，而不只是看到字幕。
对于 Priya 和 Marco 这样的人来说，有几个细节很重要：
- 无需代码，无需 API 密钥。 托管转录和翻译层由我们为你管理。
- 隐私优先。 会议音频通过你的浏览器流式传输，不会存储在我们的服务器上——只有你选择保存的转录内容会保留在本地。
- AI 摘要。 随着会议进行，持续更新的摘要会不断刷新，因此晚加入的人只需读一遍就能跟上。
- 简单定价。 免费试用一小时（一次性，无每月重置），Pro Yearly 为 €54.99，包含 110 小时托管转录，或者 €99 一次性终身方案，包含 200 小时以及未来所有更新。额外小时数来自 Voice Packs，而终身用户可享受最低的每小时费率。
这就像是租用一台引擎和驾驶一辆成品车之间的区别。如果你也在比较其他选项，我们的 OpenAI Whisper 对比 讲的是语音转文字同样的“构建还是使用”问题，而 Google Meet 翻译替代方案 页面则介绍了平台内字幕。
如今人们使用实时翻译的三种方式
这些简短的示例场景展示了成品工具在哪些地方比原始 API 更值得使用。
跨境销售电话
柏林的一位创始人与圣保罗的一位潜在客户通话。Meet 模式会在她的屏幕上以德语显示对话，而对方说葡萄牙语时，Speak Translations 会把她的回复朗读回去。没有开发者参与——她只是在通话前打开了一个标签页。
旅行中的就医
一位在日本的旅行者把手机递到诊所的桌子对面。Talk 模式会在对话来回进行时保持一个连续会话运行，因此没人需要为每一句话暂停并按按钮。
多语言站会
一个分布式团队进行每日站会，上海工程师、柏林 PM 和里斯本设计师都能用自己的语言阅读会议内容——是在通话过程中，而不是之后通过邮件收到的转录稿里。你可以在我们的实时字幕指南中看到更广泛的模式。
常见问题
有 Gemini 3.5 Live Translate API 吗？
有——Gemini 3.5 Live Translate 是一个真实、专门的 Google 模型（模型代码 gemini-3.5-live-translate-preview），用于实时语音到语音翻译。开发者通过 Gemini Live API 访问它；只是没有一个你无需构建应用就能直接开启的现成“API 产品”。Google 也通过 Google 翻译应用和 Google Meet 语音翻译预览版提供 Live Translate。
Gemini 能实时翻译语音吗？
可以。Gemini Live API 支持低延迟、双向音频流，因此你可以把麦克风音频流式输入，并在对方仍在说话时接收翻译文本或语音输出——前提是你要构建周边应用。
使用 Gemini Live API 需要写代码吗？
需要。它是一个面向开发者的接口。你需要编写代码、管理 API 密钥、捕获并流式传输音频，以及处理错误和扩展。只想要翻译结果的非开发者，更适合使用成品工具。
Gemini Live API 的费用是多少？
Gemini API 按使用量计费，因此价格取决于模型以及你处理的音频和文本量。Google 会在其定价页面公布当前费率。也要把工程时间算进去——API 本身只是成本的一部分。
在不使用 API 的情况下，翻译实时会议最简单的方法是什么？
使用成品浏览器工具。MirrorCaption 可在桌面版 Chrome 或 Edge 中运行，捕获会议标签页音频且不会有机器人加入通话，并以 50 多种语言显示实时翻译。无需编写代码，也无需管理 API 密钥。
结论
如果你搜索的是“Gemini 3.5 Live Translate API”，诚实的答案是：这个模型是真实存在的——但通过 API 访问它，你得到的是一个强大的构建模块，而不是成品。它完全可以驱动实时翻译，前提是你的团队有工程时间去围绕它构建、维护和扩展。
对于其他所有人——有两个客户的顾问、在诊所里的旅行者、只想在今天的通话中互相听懂的团队——这个构建模块都过于复杂。你想要的是结果，而且是现在就要。基于浏览器的工具正好能提供这一点：打开一个标签页，选择你的语言，在对话仍在进行时就用自己的语言读懂每一个词。
构建者，去构建吧。其他人，跳过代码，开始翻译。