谷歌继续发力。
这一次，是语音。
打开最新版Google TranslateApp，连上任意耳机，点一下Live translate，对着说话的人。
Bingo，你就拥有了一个支持 70 多种语言的「同声传译器」。
更牛逼的是，它不挑。
不需要翻译器这样的专业设备，你手上的任何耳机都行。
而且，它不是那种冷冰冰的“机翻”。
翻译出来的声音会保留说话者的语调、节奏，甚至是情绪起伏。
你甚至能分辨出是谁在说话。
出国旅游、外语电影、国外餐厅点菜，一副耳机就都解决了。
目前这个功能还是 beta，只在安卓 App，面向美国、墨西哥和印度用户开启测试。
iOS 和更多地区要等明年了。
划重点，这里的地区，意思是你谷歌账号所在的地区。
01｜背后的功臣：Gemini 2.5 Flash Native Audio
实时翻译背后的功臣，是谷歌刚刚更新的模型：Gemini 2.5 Flash Native Audio。
见名知意，它是一个原生语音模型。
ComplexFuncBench Audio，专门测试语音 AI 在实时对话中调用外部工具的能力。
在这个基准中，新版 Gemini 准确率 71.5%。
作为对比，OpenAI 的gpt-realtime是 66.5%。
在真实对话中，这意味着 AI 能更准确地判断什么时候该去查信息、查什么，以及查完还能自然地融入对话里，不出现尴尬停顿。
指令遵循率也提升了，从 84% 到 90%。
以前给 AI 设定规则，它有 16% 的概率会忘记或理解错。
现在好多了。
多轮对话质量更是从 62% 上涨到了 83%。
新版 Gemini 能更好地记住之前聊过什么。
一句话总结，Gemini 2.5 Flash Native Audio变得更靠谱了。
02｜Shopify 这样说
Shopify，全球最大的独立电商建站平台，服务数百万商家。
它们用这个模型做了个助手，叫 Sidekick。
Shopify 产品副总裁 David Wurtz 这样评价：
「用户在使用 Sidekick 一分钟内就忘记自己在和 AI 说话，有些人在长对话结束后甚至会对机器人说谢谢。」
说谢谢。
对一个 AI。
这可能才是语音 AI 真正的转折点。
不是跑分第一，而是普通用户开始分不清自己在和人还是 AI 对话。
03｜已经有公司在用它赚钱了
除了 Shopify，还有两个案例。
卖房子的 United Wholesale Mortgage 把这个模型集成到他们的 AI 助手 Mia 里。
结果，Mia 已经帮经纪人搞定了超过 14000 笔贷款。
Newo.ai 用它做 AI 前台客服。
他们说这个模型能在嘈杂环境中识别出主要说话者，能在对话中途切换语言。
听起来「非常自然和富有情感」。
低延迟、高情商的语音 AI，已经是生产力了。
04｜现在就能用
还是你们熟悉的老朋友，谷歌 AI Studio。
打开 AI Studio，左侧菜单栏里点Playground，中间选择Live。
继续点击那个带有「New」标识的Gemini 2.5 Flash Native Audio。
你就可以嗨起来了，完全免费。
API 现在也能用，preview 预览版。
模型名gemini-2.5-flash-native-audio-preview-12-2025。
另外，Gemini 2.5 Flash和Gemini 2.5 Pro的 TTS 模型也更新了，但更推荐这个实时语音。
练口语、语音助手、客服机器人，可以冲了。
结语
用户忘记自己在和 AI 说话，这可能才是语音 AI 模型的最高境界。
我是木易，一个专注 AI 领域的技术产品经理，国内 Top2 本科 + 美国 Top10 CS 硕士。
相信 AI 是普通人的“外挂”，致力于分享 AI 全维度知识。这里有最新的 AI 科普、工具测评、效率秘籍与行业洞察。
欢迎关注“AI信息Gap”，用 AI 为你的未来加速。
