谷歌AI现已支持300多种语言，覆盖71亿人

谷歌的大语言推进：300多种语言，71亿人

谷歌最近公布了其全球语言智能的重大更新：其AI现在支持300多种语言，覆盖71亿人——约占全球人口的86%。但该公司表示，真正的语言AI不应只是翻译文字。它需要理解语气、情感和文化微妙之处，这些才是人类对话真实的原因。

从机械管道到原生音频

传统的语音识别通常遵循僵化的多步骤流程：音频转文本，文本处理，然后再转回音频。这种方法剥离了语调、节奏和上下文。谷歌正在改变这一点，转向原生音频智能，让Gemini等模型直接处理声音。

Gemini 3.5 Live Translate 支持70种语言和2000多种语言对的实时口语翻译，自然捕捉语码转换和情感线索。Gemini 3.5 Transcribe 提供高精度语音转文本，即使在嘈杂环境或复杂术语下也能胜任。它还为Gboard的Rambler功能提供支持，该功能可以去除填充词、纠正语法，并允许您通过语音命令重写——以及无缝语言切换。

触及未被听到的声音：1000种语言计划

为了将AI带给低资源语言，谷歌启动了1000种语言计划，旨在支持全球前1000种语言。通用语音模型（USM） 在1200万小时音频上训练，使用跨语言迁移学习，将高资源语言的模式应用于数据稀缺的语言。这建立在25年的开放研究和400多篇同行评审语音论文的基础上。

有文化根基的数据

互联网内容自然偏向主流语言，因此谷歌放弃了单一来源爬取。相反，它与当地合作获取真实的文化背景。例子包括：

WAXAL：一个大型开源语音数据集，涵盖27种撒哈拉以南非洲语言。
Project Vaani：与印度科学研究所和Bhashini合作，收集了109种语言的超过30,000小时语音。
Amplify Initiative：从四大洲的1600多名本地专家和20所大学收集多模态数据。

谷歌还推出了Language Explorer，这是一个交互式工具，可视化其包含7000多种语言的LinguaMeta数据仓库。这些努力支持数字语言包容中心等公共项目，帮助农民、医护人员和教师。

离线和功能手机解决方案

由于仍有超过30亿人缺乏稳定互联网，谷歌开发了TranslateGemma——一个轻量级开源翻译模型系列，可在边缘设备上运行，支持55种语言，无需云。对于低资源地区的功能手机用户，谷歌与Viamo在卢旺达试点“Ask Viamo Anything”（AVA），使用Gemini回答了超过200万个问题。

可访问性和文化尊重

传统工具通常迫使非标准使用者适应。谷歌从头设计可访问的交互，推出了手语转文本（SL2T）——在50多种手语上训练，支持美国手语到英语的转换。它为Gboard和Pixel 11上的实时转录提供支持。在新西兰，谷歌与毛利专家合作，优化了Maps中地名和街道的本地化发音，将真实的文化背景嵌入文本转语音。

关键要点

谷歌的AI现在支持300多种语言，覆盖全球86%的人口。
Gemini 3.5 Live Translate 实时处理70种语言和2000多种语言对。
1000种语言计划和USM（1200万小时音频）针对低资源语言。
本地数据项目如WAXAL、Project Vaani和Amplify确保文化真实性。
TranslateGemma在边缘设备上离线运行，支持55种语言；AVA服务于功能手机用户。
SL2T支持50多种手语；与毛利合作改进了Maps发音。

经过20年的AI语言开发，谷歌的技术现已嵌入九个核心平台，包括Search、Android、Chrome、YouTube和Google Play。谷歌表示，目标不是减少人类表达，而是扩展它，帮助更多人参与、发声并被理解。