谷歌Meet语音翻译上线：AI同传能克隆你的声音和情绪了

Meise

当马德里分部的工程师用西班牙语吐槽项目延期时，纽约总部的产品经理耳机里传来的，是带着原声颤抖和叹气声的英文翻译——这项由谷歌在2025 I/O大会发布的Meet实时语音翻译功能，用AI建模技术完整复刻了人类对话中的134种情绪参数。这项基于Gemini大模型的技术，不仅实现英语与西班牙语的实时互译，还能保留说话者的音色、语调和微表情。

背后的AudioPaLM语言模型每秒处理48000个音频采样点，通过拆解音高、语速甚至呼吸间隙的声纹特征，再重组为带情感的目标语言输出。在官方演示中，巴塞罗那设计师的地中海腔调英文翻译，连标志性的"¡Olé!"欢呼都被精准转化。实测数据显示，其情感保留准确度比传统翻译工具提升23%，错误率压至4.8%。

目前该功能仅向AI Ultra订阅用户开放，月费249.99美元，初期支持英西双语互译，未来六周将扩展至意大利语、德语和葡萄牙语。企业用户需注意硬件成本，参考2023年原型机单台50万美元的投入，全套系统可能达百万美元级。

这项技术突破源自谷歌DeepMind团队三年研发的端到端语音转换模型。不同于传统翻译将语音拆解为文字再重组，新系统直接让声波跨语言传递。2019年Translatotron项目已实现语音到语音转换，而2025年的迭代版本将延迟压缩至0.8秒，接近真人对话节奏。

对于跨国企业而言，该功能可能重塑远程协作模式。德勤测试显示，3D全息会议结合语音克隆技术，使全球策略会效率提升40%。但决策者需权衡成本效益——相比日薪2万美元的人类同传，AI方案在连续使用时更具性价比。

liqh

AL像是有了人的大脑，又吃惊又可怕