让AI服务每一种语言中的每一个人
内容提要
谷歌致力于让AI支持全球千余种语言，覆盖86%人口。通过Gemini实现70种语言实时语音翻译，并推出千种语言计划、WAXAL等本地数据合作项目。TranslateGemma支持离线翻译，SL2T服务听障人群，还为毛利语地名纠正发音，让技术尊重文化差异。
延伸解读
从文本到语音：AI如何捕捉真实对话
传统语音识别采用多步流程，会丢失语调、节奏和情感等关键信息。谷歌转向原生音频智能，让Gemini直接处理音频，理解声音和意图。例如，Gemini 3.5 Live Translate支持70种语言的实时翻译，能自然捕捉语码转换和情感线索。这使AI更贴近人们实际说话的方式，如混合语言或重叠对话。
社区合作：解决低资源语言的数据瓶颈
网络数据过度代表少数主导语言，导致许多语言缺乏训练数据。谷歌通过本地化合作构建开放数据集，如WAXAL覆盖27种撒哈拉以南非洲语言，Project Vaani收集印度109种语言的超过3万小时语音。这些项目强调社区参与，确保数据反映真实语言多样性，而非仅依赖网络抓取。
离线与低端设备：让翻译触及无网人群
全球仍有超过30亿人无法可靠接入互联网。TranslateGemma是一组轻量级开源翻译模型，支持55种语言，可在设备端离线运行，无需云端连接。针对仍使用功能手机的人群，Viamo的语音助手AVA将Gemini带到标准功能手机上，已在卢旺达试点并回答超过200万个问题，帮助缩小数字鸿沟。
文化尊重：从手语到地名发音的包容性设计
语言技术还需考虑非标准沟通方式。SL2T支持50多种手语，在Pixel 11上实现手语到文本听写，首先支持美国手语到英语，惠及全球7000万手语使用者。此外，谷歌与毛利语专家合作，改进谷歌地图中地名的发音，将文化上真实的发音融入文本转语音模型，体现对文化遗产的尊重。
Q&A
谷歌的AI语言技术目前覆盖了多少种语言和人口？
谷歌的技术和产品支持超过300种语言，覆盖全球70多亿人，占全球人口的86%。
Gemini在实时语音翻译方面有哪些能力？
Gemini 3.5 Live Translate支持70种语言的实时语音翻译，涵盖2000多种语言对，能自然捕捉语码转换和情感线索。
什么是千种语言计划？
千种语言计划旨在支持全球使用人数最多的1000种语言。通过通用语音模型（训练了1200万小时音频）和跨语言迁移学习，将数据丰富语言的学习模式应用到资源匮乏的语言上。
谷歌如何收集 underrepresented 语言的数据？
谷歌通过本地草根合作收集数据，例如WAXAL（覆盖27种撒哈拉以南非洲语言）、Project Vaani（收集印度109种语言超过3万小时语音）和Amplify Initiative（与1600多名本地专家合作贡献1.5万多模态数据点）。
TranslateGemma是什么？它有什么作用？
TranslateGemma是一系列基于Gemini构建的轻量级开源翻译模型，训练了55种语言。它能在设备上高效运行，无需连接云端或互联网即可提供高质量翻译。
谷歌如何为听障人士设计语言工具？
谷歌推出了Sign Language-to-Text (SL2T)，训练了50多种手语，在Pixel 11的Gboard和Live Transcribe中支持手语到文本的听写，初期支持美国手语（ASL）到英语。
谷歌如何确保地名发音尊重当地文化？
谷歌与当地社区合作，例如在新西兰与毛利语专家合作改进Google Maps中的地名发音，将文化上真实的发音直接融入文本转语音模型。
