Google(谷歌)称其语言技术已支持300多种语言,并介绍Gemini实时同传与端侧翻译模型
Google研究高级副总裁James Manyika(詹姆斯·马尼卡)在官方博客披露,Google技术与产品当前支持300多种语言、覆盖超70亿人,占全球人口86%;
并介绍Gemini 3.5 Live Translate(实时口译)覆盖70种语言、2000多组语言对,Gemini 3.5 Transcribe(语音转文本)定位高精度识别,以及基于Gemini、支持55种语言的端侧轻量开放翻译模型TranslateGemma。
以上均为Google自述,尚无第三方独立评测,博文未公布各语言实测准确率。
博文列出多项技术与数据:通用语音模型(Universal Speech Model)以1200万小时音频训练,通过跨语言迁移学习提升低资源语言语音理解; WAXAL开放语音数据集覆盖撒哈拉以南非洲27种语言、26个以上国家、超1亿使用者;
Project Vaani与印度科学研究院(IISc)及Bhashini合作,已采集109种语言、超15.5万名说话者、3万余小时语音; Amplify Initiative联合四大洲20所大学、1600多名本地专家贡献1.5万多模态数据点;
Sign Language-to-Text(SL2T,手语转文本)覆盖50多种手语,在Pixel 11的Gboard与Live Transcribe上支持美国手语(ASL)转英语; 与Viamo合作的语音助手AVA在卢旺达试点,称已用Gemini回答超200万个问题;
Language Explorer可视化LinguaMeta,覆盖7000多种口语、书面语和手语。 文中另称全球超30亿人缺乏可靠互联网接入,TranslateGemma在端侧运行。 博文称相关语言技术嵌入Search、Android、Chrome、YouTube、Google(谷歌) Play等九个平台,连接超50亿人。
这条信息的价值在于展示基础模型竞争的一个具体方向:从纯文本翻译转向原生音频理解,并把模型压缩到端侧、把数据采集下放到本地社区。 若端侧开放翻译模型与手语转文本等能力成立,受影响的将是模型能力评价标准和数据合规路径——低资源语言的语料来源、标注授权与文化解释权,会从技术问题变成合作与治理问题。
但博文只给出Google(谷歌)自述的覆盖规模,没有公布各语言的实测准确率,也未说明TranslateGemma的许可条款与硬件要求,因此无法据此判断这些语言的真实可用程度。
后续观察信号
- 核实TranslateGemma的开放许可类型与可下载渠道
- 追踪美国手语转英语之外,SL2T是否扩展到其他手语与语言组合
- 了解Project Vaani与WAXAL数据的授权与使用限制
