据 Google AI 博客文章介绍，该公司的技术与产品目前已支持超过300种语言的日常交互，使用者超过70亿人，占全球人口的86%。自2006年推出 Google Translate 以来，其支持语言已从最初的少数几种扩展至如今的250多种。
从文本翻译到原生音频理解
传统的语音识别系统通常遵循“音频转文字、处理文字、再合成音频”的多步流程。这种方式会丢失语气、节奏、情绪以及语码转换（如 Spanglish 或 Hinglish）等真实交流特征。为此，Google 转向训练模型直接处理原始音频。
- Gemini 3.5 Live Translate：支持70种语言、2000多个语言对的实时语音翻译，能够捕捉语码转换和情绪线索。
- Gemini 3.5 Transcribe：将原始音频转换为格式化文本，在嘈杂环境或复杂术语场景下工作，并驱动 Android Gboard 上的 Rambler 功能，可去除填充词、修正语法标点，并支持通过语音指令编辑或在语言间无缝切换。
- 1000种语言计划：目标是支持全球使用人数最多的1000种语言。其 Universal Speech Model 基于1200万小时音频训练，利用跨语言迁移学习，将数据丰富语言中学到的模式应用于低资源语言。
面向低资源语言的开放数据合作
由于互联网内容高度集中于少数主导语言，为让 AI 理解代表性不足的语言，Google 采取了本地化数据采集策略：
- WAXAL：与 Makerere University 和 Digital Umuganda 等机构合作构建的大规模开放语音数据集，覆盖撒哈拉以南非洲27种语言，涉及26个以上国家超过1亿使用者。
- Project Vaani：与印度科学研究所（IISc）及 Bhashini 合作，以地区而非语言为锚点收集数据，目前已从超过15.5万名说话者处采集逾3万小时、涵盖109种语言的语音。
- Amplify Initiative：联合四大洲20所大学及1600多名本地专家，贡献了1.5万个多模态数据点。
此外，新工具 Language Explorer 可交互式可视化 LinguaMeta——全球最大的开源语言数据存储库，持续映射超过7000种口语、书面语和手语。
离线翻译与功能机适配
对于超过30亿缺乏稳定互联网接入的人口，Google 开发了 TranslateGemma。这是一组基于 Gemini 构建的轻量级开源翻译模型，覆盖55种语言，可直接在设备端高效运行，无需连接云端或互联网。
针对低资源地区仍在使用功能机的数亿用户，Google 支持 Viamo 组织推出了“Ask Viamo Anything”（AVA）语音 AI 助手，将 Gemini 的能力引入标准功能机。AVA 已在卢旺达完成试点，并利用 Gemini 回答了超过200万个问题。
无障碍设计与本地发音
在手语识别方面，Sign Language-to-Text（SL2T）模型已基于50多种手语训练，可为 Gboard 和 Pixel 11 上的 Live Transcribe 提供手语转文字听写功能，首发支持美国手语（ASL）转英语。
在本地发音细节上，Google 在新西兰与毛利语专家合作，改进了 Google Maps 中的地名发音，并将符合文化习惯的发音直接整合进文本转语音模型中。
目前，这些语言技术已嵌入 Search、Android、Chrome、YouTube、Google Play 等九个平台，连接超过50亿用户。