# 谷歌翻译 20 岁，劈柴哥说它换了四代 AI，现在能直接听懂语气了

> 原标题：20岁了！劈柴哥发帖庆生：谷歌翻译换了4代AI，第一次有了「呼吸感」

- 来源：新智元 · 公众号
- 发布时间：2026-04-29T12:48:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/12338
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652696367&idx=2&sn=42489f533f480df337253aa1b543e08b

## 摘要

劈柴哥发帖庆祝谷歌翻译上线 20 年，月活用户到了 10 亿。他梳理了背后的四代技术：最早是统计机器翻译，2016 年换成神经网络翻译，后来用上 PaLM 2 大模型，2024 年一口气加了 110 种语言。最新的是 Gemini 2.5 Flash 的原生音频翻译，不再先把语音转文字再翻译，而是直接处理声音，能保留原话的语调、停顿和节奏。

## 推荐理由

谷歌翻译上线 20 年，劈柴哥梳理其从统计机器翻译到 Gemini 2.5 Flash 原生音频翻译的四代技术更替，最新方案直接处理声音以保留语调与节奏。

## 锐评

原生音频翻译这个方向是对的，级联管线里语音转文字那一步丢掉的语气和停顿，恰恰是翻译里最难补回来的信息。但这条只有劈柴哥的帖子，没有上线时间也没有实测，10 亿月活和 110 种语言都是旧账。我关心的是 Gemini 2.5 Flash 直接处理音频的延迟和价格，如果比先转文字再翻译还贵，那这个功能就只是 demo 好看。反正等真能用了再评。
