谷歌开源Gemma Translator：树莓派跑51亿参数模型，80美元打造离线翻译机

8月6日，谷歌Creative Lab团队发布了一款离线翻译设备Gemma Translator。硬件是一块树莓派Raspberry Pi 5单板计算机，跑的是谷歌自研的Gemma 4 E2B模型——总参数量51亿、激活参数量23亿。用户对着麦克风说话，设备把语音转写成目标语言，通过扬声器播报译文，同时还能在屏幕上同步展示翻译前后的文本。整套流程全部在本地完成，不联网。

把大模型塞进一块巴掌大的开发板里跑离线翻译，这件事的意义不在于参数有多大，而在于谷歌给出了一条清晰的产品化路径。

硬件底座：80美元，自己攒一台

Gemma Translator的核心硬件是一块树莓派Pi 5（8GB RAM）。除此之外，还需要一块触控屏、麦克风、扬声器、迷你键盘、行动电源。外壳用3D打印。整套零件成本约80美元。

谷歌把源代码和3D打印外壳的STL文件全部开源在GitHub上。任何人下载后都能自己组装一台离线翻译机。

技术栈：三个模型，全部本地跑

Gemma Translator的技术堆叠由三个独立的模型组成，各自负责一个环节。

语音识别（STT）用Moonshine——一个轻量级语音识别引擎，速度最高可达Whisper Tiny的五倍。翻译环节由Gemma 4 E2B模型负责，通过谷歌的LiteRT-LM推理框架在设备端执行。文字转语音（TTS）同样由Moonshine完成。

在树莓派Pi 5的8GB RAM上，Gemma 4 E2B的推理速度约每秒6个token，内存占用低于1.5GB。跟云端API比不算快，但应付实时对话翻译已经够用。语音从输入到翻译输出，全程不经过任何外部服务器。

交互设计：双车道对话，推杆切换语言

Gemma Translator的界面设计成“双车道”模式——屏幕左右两侧各代表一位使用者，每人各自选语言。操作时按住按键说话，松开后系统自动完成语音识别、翻译、合成语音播放。语言切换用“左轮枪”式的旋转界面，方向键就能在不同语言之间轮替。

前端用React和Vite构建，针对480×320的小型手持屏幕做了优化，走复古终端机风格。后端用Python内置的http.server做API服务器。一个启动脚本就能同时启动LLM服务器、Python API和React前端。

为什么这件事值得关注？

市面上大多数翻译App依赖云端处理。Gemma Translator把全部处理流程压缩到本地完成。

这不是第一次有人把大模型塞进树莓派。但谷歌做了一件别人没做的事：把端侧模型从实验室技术演示，封装成了一款插电即用、永不依赖网络的独立成品。代码开源、3D图纸开源、零件成本公开——任何人花80美元就能自己攒一台。

Gemma Translator目前还处于原型阶段。但它的意义不在于产品本身有多成熟，而在于它指明了一个方向：AI不一定要跑在云端。一块80美元的开发板、一个51亿参数的模型、一套全部本地的技术栈——就能实现实时语音翻译。

在没有Wi-Fi、没有蜂窝信号的地方，这套东西能正常工作。对于那些经常出差、旅行、或者单纯不想把对话数据上传到云端的人来说，这个开源项目提供了一个完全不同的选择。

代码在GitHub上，3D打印文件也在GitHub上。剩下的，就看谁愿意花80美元和几个晚上把它焊出来了。