- Google 翻译集成了 Gemini 和 PaLM 2，提供更具上下文关联性、更自然的翻译，并支持 110 种新语言。
- 该应用程序可为任何耳机添加屏幕上的实时语音翻译功能，目前已在美国、墨西哥和印度推出测试版，支持 70 多种语言。
- 融入了对话练习和人工智能驱动的自适应学习功能，旨在提高口语理解和表达能力。
- 这些创新对旅游业、商业和基本服务产生影响，减少了数百万用户的语言障碍。
旅行、与国际团队合作，甚至观看其他语言的视频都变得越来越普遍，在所有这些场景中，仅仅依靠词典或基础翻译工具已无法克服语言障碍。谷歌正在通过全面整合其 Gemini人工智能和其他模型（例如 PaLM 2） ，使 Google Translate 在文本和语音翻译方面取得重大突破，让翻译更加自然、流畅，并在日常生活中更加实用。
曾经只能逐字翻译的翻译工具，如今力求成为一种能够理解对话语境、语气乃至语调的私人翻译。此外，与其他平台（例如 DeepL）不同，谷歌正在利用这项技术在应用内提供语言练习工具，使“翻译”功能更接近于私人教师，而不仅仅是一个简单的翻译工具。
谷歌翻译依靠 Gemini 和 PaLM 2 来更好地理解语言
随着 Gemini 的推出，谷歌重新设计了其翻译器处理语言的方式，转而依赖语言模型和神经网络：它不再简单地替换词语，而是解读句子的意图和完整语境。这使得习语、口语和俚语的翻译能够更加贴近目标语言母语人士的表达方式。
实际上，这意味着谷歌翻译能够识别哪些短语不应该直译，而应该使用更符合文化语境的对应表达。一个典型的例子是英语表达“stealing my thunder”，人工智能会尝试将其翻译成其真实含义，而不是翻译成一串莫名其妙、没人会在西班牙语里说的话。
这项改进在英语与近二十种其他语言（包括西班牙语、中文、日语、德语和印地语）之间的文本翻译中尤为显著。谷歌已开始在美国和印度推出这些改进，涵盖移动应用和谷歌浏览器网页版，并将随着模型不断完善并收集更多数据和用户反馈，逐步推广到其他市场。
除了 Gemini 之外，谷歌还充分利用了 PaLM 2 的潜力。PaLM 2 是一种拥有高度先进多语言功能的语言模型，极大地扩展了谷歌翻译支持的语言种类。得益于这一引擎，谷歌新增了 110 种语言，从用户期待已久的粤语，到曼岛语等少数民族语言以及原住民语言，应有尽有。
PaLM 2 已被用于识别相关语言，并在数据有限的情况下（例如阿瓦迪语和马尔瓦迪语）促进训练。尽管并非所有新语言都具备相同的功能（例如摄像头翻译、语音翻译或文本转语音），但这一飞跃意义重大，因为它服务于超过 614 亿人口，约占世界人口的 8%。
实时语音翻译：更自然的对话
其中最引人注目的变化之一是专为面对面对话设计的实时语音翻译功能。用户无需每次说话时都按按钮或阅读屏幕，人工智能即可聆听、翻译并几乎立即显示结果。
谷歌翻译现在包含“实时翻译”模式，它可以转录说话者所说的话，并在屏幕上以两种语言显示。同时，它还会播放翻译后的音频，让您无需像阅读连续字幕一样不断阅读每一行文本即可跟上对话。
为了实现这一目标，谷歌正在使用先进的语音识别模型，这些模型旨在分离声音并降低背景噪音。这在咖啡馆、机场、火车站或任何拥挤的场所等复杂环境中尤其有用，因为许多语音识别系统此前在这些环境中难以区分人声和噪音。
该应用程序的同声传译功能目前第一阶段面向美国、印度和墨西哥的用户开放，支持70多种语言。其中包括西班牙语、阿拉伯语、法语、印地语、韩语和泰米尔语等主要全球语言，使其成为旅游、远程办公和培训等领域用途广泛的工具。
其基本理念是，在现实生活中——例如看医生、临时会面、问路或在商店讨价还价——停顿、重音和语调变化也应在翻译中体现出来。Gemini 力求调整合成语音的节奏，并尽可能保持原说话者的语气，使对话听起来不那么机械。
耳机变身私人翻译器：在耳边实时翻译
虽然屏幕翻译已经非常实用，但下一步的目标更加远大：将语音翻译直接引入任何耳机。谷歌已经对这项功能进行了改进，使其不再依赖于 Pixel Buds 等专用设备，而是可以与几乎所有连接到手机的耳机型号兼容。
它的工作原理相对简单：用户将耳机连接到手机，打开谷歌翻译，并激活实时翻译模式。然后，他们选择要翻译的语言（或者让应用程序自动检测），将手机对准扬声器，然后让人工智能完成翻译工作。
当说话者用他们的语言讲话时，Gemini 会处理音频，进行翻译，然后将其发送到耳机，并将翻译后的声音叠加在原声上。同时，用户会在屏幕上看到两种语言的对话文本，这有助于复习词汇或加深对语言的理解。
谷歌表示，该系统经过优化，能够保留原声的语调、重音和节奏，使翻译体验更加自然，如同真人翻译员在你耳边轻声细语。这项功能尤其适用于商务会议、导览、研讨会，或任何不宜长时间低头看手机的场合。
在第一阶段，通过任何头戴式设备进行实时翻译的功能将在美国、墨西哥和印度以有限测试版的形式面向安卓用户推出，支持超过70种语言。谷歌已确认，iPhone用户也将通过谷歌翻译应用体验到相同的功能，但iOS版本的支持计划于2026年推出，因此苹果用户还需要耐心等待一段时间。
利用人工智能进行语言练习：从翻译到学习伙伴
谷歌不仅希望翻译功能能帮助用户在旅行途中沟通交流或理解重要邮件，还致力于将其打造成为一个个性化的语言学习和练习平台。因此，谷歌添加了一些人工智能工具，旨在提升用户的会话和听力理解能力。
其中一项新功能是个性化对话练习模式，用户可以模拟真实生活中的各种场景。从与朋友或家人的非正式聊天，到求职面试、出国留学或工作会议等更正式的场合，人工智能都能生成符合每个人具体目标的对话。
在移动设备上打开应用后，您可以选择显示说明的语言和想要练习的语言，还可以选择级别：基础、中级或高级。随着用户水平的提高，这些级别可以随时调整，应用也会自动调整练习的难度。
该工具整合了听力理解和口语练习，并配有人工智能引导的练习，提供纠错和指导。用户可以聆听对话、回答问题、重复短语或与系统生成的模拟场景互动，系统会提供词汇、语法结构和更自然表达方面的建议。
你还可以点击对话中的特定词语，查看其含义或用法变化，从而加深理解，更积极地学习。此外，该应用会追踪你的学习进度，并像其他语言学习平台一样，为你推荐每日或每周目标，帮助你保持长期的学习动力。
目前，这项学习模式正处于测试阶段，面向希望学习西班牙语或法语的英语使用者，以及希望提高英语水平的西班牙语、法语和葡萄牙语使用者。谷歌表示，随着用户数据的收集和对话模型的完善，他们将逐步扩展支持的语言和语言组合。
基于语言的语言和功能的大规模扩展
人工智能的进步不仅提高了翻译质量，也拓宽了可用语言的范围，包括一些使用人数较少或正在复兴的语言。这直接影响到那些此前缺乏与其语言实际情况相匹配的技术工具的群体。
借助 PaLM 2，新增的 110 种语言涵盖了从常用语言到鲜为人知的语言，包括土著语言和母语使用者较少的少数民族语言。即使用于模型训练的数据量有限，该技术也能实现可扩展的支持。
谷歌强调，对于许多此类语言而言，首要任务是尊重其复兴和文化保护工作，并将翻译作为记录、教育和代际交流的辅助工具。它们在翻译平台上的亮相可以显著提升其在数字环境中的知名度。
不过，该公司也澄清说，并非所有功能都支持所有新语言。由于相机翻译、语音翻译和文本转语音功能需要特定的手写识别、语音学和语音合成模型，因此可能需要更长时间才能在某些语言中推出。
即使存在这些初期限制，策略也很明确：继续逐步整合语言，逐步扩展相关功能集。人工智能使得每个新模型和训练周期都能覆盖更广泛的语言范围，而无需过度依赖每种语言的流行程度或使用人数。
对旅游业、商业和基本服务的影响
翻译技术的进步和实时语音通信的出现不仅仅是令人瞩目的技术进步，它们对全球化世界中人们和组织的沟通方式有着直接的影响。旅游、医疗保健、教育和国际贸易等领域已经从这些工具中获得了切实的好处。
例如，想象一下你去一个语言不通的国家旅行：有了实时翻译和耳机，你就可以和出租车司机、酒店前台或导游进行相当流畅的对话，而无需专业翻译。虽然它并不完美，但确实大大减少了日常生活中的沟通障碍。
在商业领域，谷歌翻译及其新功能被定位为多语言客户服务、国际会议和内部培训的辅助工具。虽然在高度关键的环境中仍然需要人工翻译，但人工智能可以处理许多风险较低的互动，并且质量完全可以接受。
谷歌将这些改进视为其更广泛战略的一部分，旨在应对微软、苹果和Meta等竞争对手，实现对话式和情境式人工智能的普及化。谷歌翻译优先考虑通用性和跨设备集成，而微软则侧重于企业环境，苹果则致力于在其封闭生态系统中保护隐私并实现原生集成，Meta则探索在可穿戴设备和增强现实中的翻译应用。
在公共服务、教育和医疗保健领域，只需一部手机和一副耳机就能将对话实时翻译成70多种语言，这可以带来显著的改变。其作用范围广泛，从帮助不会说当地语言的患者，到方便获取教育资料或办理必要的行政手续，无所不包。
所有这些新功能共同将翻译器从一个简单的快速短语转换器转变为一个综合平台，涵盖机器翻译、语言练习以及对专业和个人沟通的支持。所有这一切都由 Gemini 和 PaLM 2 的人工智能驱动，能够处理文本、语音，甚至在某些情况下还能处理视觉内容。
谷歌翻译的发展历程清楚地表明，机器翻译已经从一种有限的、字面意义上的辅助工具，发展成为一个越来越接近人类语言理解的系统。在这个系统中，上下文、语气、语调和用户目标与词语本身同样重要，这让我们离能够理解几乎任何人，无论他们说什么语言的想法更近了一步。
