Google 宣布升级 Gemini 音频能力，并把“实时语音到语音翻译”以 Beta 形式推送到 Google Translate。该功能面向耳机使用场景，可在对话中进行实时翻译，并尽量保留说话者的语气、节奏与音高，让译文听感更接近原声表达。
目前该 Beta 先在 Android 端于美国、墨西哥、印度等地区分批开放，支持任意耳机，并覆盖70多种语言；iOS 版本预计在 2026 年扩展推出。官方同时提示，Beta 阶段仍可能受口音、噪声与网络波动影响，出现误译或延迟，涉及隐私的对话也需谨慎使用。
同日，Gemini 2.5 Flash 与 2.5 Pro 的 Text-to-Speech 预览版也获得更新，强调对“风格提示词”更贴合、语速可按语境更细致地调节，并提升多说话人场景下的角色声音一致性；Gemini 2.5 Flash Native Audio 亦更新，用于更可靠地执行复杂指令、触发外部工具与维持多轮自然对话，并在 Vertex AI 的 Gemini Live API 等入口提供支持。
常见问题
Q：Google Translate 的耳机实时翻译主要解决什么问题？
A：它把语音翻译变成可持续“边听边译”的体验，并尽量保留语气与节奏，适合面对面交流。
Q：耳机实时翻译在哪些平台和地区先开放？
A：先在 Android 端于美国、墨西哥、印度等地区分批开放，iOS 预计在 2026 年扩展。
Q：耳机实时翻译对耳机型号有要求吗？
A：官方信息显示支持任意耳机，重点取决于手机与 Google Translate 应用的可用性。
Q：Gemini 2.5 的文本转语音更新对创作者有什么影响？
A：更容易用提示词控制风格与停顿，且多角色对话时声音更一致，适合配音、播客与客服。
Q：Gemini 2.5 Flash Native Audio 更新适合哪些应用？
A：更适合实时语音代理与工作流场景，例如需要多轮对话、调用工具、按指令完成任务的语音助手。
