Linux.do 社区开发者发布了一款名为 live-translate 的开源 Android 应用，该项目利用 Google 的 Gemini 模型构建了一个实时翻译字幕系统。该应用能够在 Android 设备上捕获来自其他应用（如视频软件、会议工具等）的音频流，并将其实时传输至 Gemini 的 Live Translate 接口进行处理。应用通过半透明的悬浮字幕在屏幕上展示翻译结果，且字幕位置支持用户自由拖动。此外，该工具还提供了并行语音播放功能，允许原片声音与翻译语音同时输出。用户只需在 Google AI Studio 生成 API Key 并填入应用设置即可激活该功能。开发者声称该 API 额度充足，足以应对日常使用需求，并确认项目已完全开源且无未公开的私有代码。
事件分析
从技术角度看，该项目展示了 Google Gemini 多模态能力在端侧应用中的实际落地，特别是针对音频流的实时处理。与传统的先录音后上传处理模式不同，Gemini 的 Live API 原生支持低延迟的音频流输入与输出，这使得在移动设备上实现接近实时的“同声传译”成为可能。该应用利用 Android 的音频捕获机制打破了应用间的数据孤岛，将 AI 能力嵌入到系统底层，作为一个通用的“实时翻译层”覆盖在任意视频或音频内容之上。这种模式预示着 AI 应用正从单一的聊天机器人向系统级的实时辅助工具演进，未来此类利用大模型实时流式处理能力的工具将极大改变用户消费外语内容的习惯。
💡 核心观点：通过调用 Gemini 的低延迟音频流接口，该开源项目成功将 Android 手机转变为通用的实时同声传译终端，展示了 AI 原生应用在打破应用边界方面的巨大潜力。
原文链接：Linux.do
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南