目前，谷歌的技术和产品已支持全球300多种语言，覆盖超过70亿用户，占全球人口的86%。这一里程碑凸显了消除数字语言鸿沟的关键意义。数十年来，技术主要服务于少数主导语言，导致数千种活语言及方言在数字世界中代表性不足甚至完全缺失。
自2006年推出Google Translate以来，谷歌旨在打破语言壁垒。借助人工智能进步，翻译服务已从最初几种语言扩展至250多种。但仅靠文本翻译不足以理解现实世界的真实交流，因此研发重点转向构建尊重文化细微差别和人类语言丰富性的系统。
从文本转录到原生音频智能
传统语音识别遵循“音频转文本-处理-合成”的僵化流程，剥离了语调、节奏和情感等交流要素。为捕捉人们说话时的笑场、重叠、犹豫及多语言混合（如西英混合语）等细节，谷歌转向“原生音频智能”，训练Gemini等模型直接处理原始音频以理解声音和意图。
- 实时对话工具：Gemini 3.5 Live Translate支持70种语言和2,000多个语言对的实时口语翻译，能自然捕捉代码切换和情感线索。
- 高精度转录：Gemini 3.5 Transcribe可将原始音频转化为格式精美的文本，即便在嘈杂环境或使用复杂术语时也能保持精确。该模型驱动Android Gboard上的Rambler等功能，可去除填充词、修复语法标点，并支持语音命令编辑及多语言无缝切换。
- 千语计划：目标是支持全球使用人数最多的1,000种语言。通用语音模型（Universal Speech Model）利用跨语言迁移学习技术，将数据丰富语言的知识转移到数据稀缺语言中，提升后者的语音理解能力。
- 基础研究支撑：基于25年的开放研究和400多篇同行评审语音论文，持续推动前沿发展。
以社区为核心的语言数据建设
鉴于网络数据对少数主导语言的倾斜，谷歌通过本地草根合作伙伴关系重新思考数据收集方式，建立了三个关键开放数据合作项目：
- WAXAL：与Makerere大学等合作构建的大规模开源语音数据集，涵盖撒哈拉以南非洲27种语言，覆盖26个国家超1亿人口，捕捉了传统数据集中缺失的音调变化和对话节奏。
- Project Vaani：与印度科学研究所和Bhashini合作，以地区为核心绘制印度语言多样性地图，已从超15.5万名演讲者处收集109种语言的超3万小时语音数据。
- Amplify Initiative：联合四大洲1,600多名当地专家及20所大学，贡献了15,000个捕捉当地细微差别的多模态数据点。
此外，谷歌推出交互式工具Language Explorer，可视化展示包含7,000多种口语、书面语和手语的开源数据存储库LinguaMeta。Google.org还通过Centre for Digital Language Inclusion等项目，帮助将多语言工具带给全球农民、医护人员等关键社区成员。
突破 connectivity 与硬件限制
为解决全球超30亿人互联网接入受限的问题，谷歌开发了基于Gemini构建的轻量级开源翻译模型TranslateGemma。该模型经过55种语言训练，可在设备端高效运行，无需云端连接即可提供高质量翻译。
针对仍在使用功能机的低资源地区人群，谷歌支持Viamo组织推出语音AI助手“Ask Viamo Anything”（AVA），将Gemini能力带入标准功能手机。在卢旺达的试点中，AVA已通过交互式语音响应用户，回答超200万个问题。
无障碍设计与文化语境
为改变传统语音工具迫使非标准言语者适应技术的现状，谷歌推出了Sign Language-to-Text (SL2T)。该模型经过50多种手语训练，已在Pixel 11的Gboard和Live Transcribe中提供手语转文本听写功能（首发支持美国手语到英语），旨在提升全球7,000万手语用户的可访问性。
在文化语境方面，谷歌与当地社区合作确保发音准确。例如在新西兰，通过与毛利语专家合作改进Google Maps地名发音，将文化真实的发音纳入文本转语音模型，尊重当地语言和遗产。
历经20年AI语言研发，谷歌语言技术已嵌入Search、Android、YouTube等九大平台，连接超50亿用户。未来，谷歌将继续与当地社区紧密合作，构建能理解语境、尊重文化并扩大人类表达范围的技术体系。