Google запустила Gemini 3.5 Live Translate: живой голосовой перевод в реальном времени

Что нового

Google запускает Gemini 3.5 Live Translate — голосовой перевод в реальном времени на базе нового аудиомоделя.

Ключевые факты:

• Автоматическое определение 70+ языков без ручного выбора.
• Перевод «голос-в-голос» с сохранением интонации, темпа и высоты голоса говорящего.
• Непрерывная генерация речи вместо схемы «сказал — подождал — ответил».
• Задержка — всего несколько секунд позади оратора на протяжении всей сессии.
• Работа с многими языками в одном потоке без переключения настроек.
• Устойчивость к шуму: модель рассчитана на громкие и непредсказуемые окружения.

Где можно попробовать:

• Разработчики — публичный превью через Gemini Live API и Google AI Studio.
• Корпоративные пользователи — приватный превью в Google Meet в течение месяца.
• Массовая аудитория — через Google Переводчик на Android и iOS.

Google напоминает контекст: её системы перевода обрабатывают триллион+ слов в месяц для миллиардов пользователей. Live Translate — надстройка над этим опытом, но уже в режиме живой речи.

Как это работает

Gemini 3.5 Live Translate — это аудиомодель, которая обрабатывает звук потоково.

Что происходит под капотом, по шагам:

1. Стриминг аудио
   Приложение отправляет голос в режиме реального времени. Модель не ждёт окончания фразы, а начинает анализ сразу.

2. Автоматическое распознавание языка
   Модель сама определяет язык из пула 70+ вариантов. Никаких предварительных настроек «исходный язык — такой-то».

3. Анализ контекста на лету
   Gemini 3.5 Live Translate постоянно балансирует между двумя задачами:

   • дождаться чуть больше контекста, чтобы перевести точнее;
   • ответить быстрее, чтобы не отставать от говорящего.

4. Генерация перевода в виде речи
   Модель синтезирует голосовой перевод, который:

   • звучит плавно, без длинных пауз;
   • старается повторять интонацию, ритм и высоту голоса оригинала;
   • обновляется непрерывно, а не блоками.

5. Работа в шуме
   Акустическая часть системы обучена выдерживать фоновый шум и непредсказуемые звуки. Это важно для звонков, конференций и улицы.

По сути, Google собрала в одном потоке: распознавание речи, определение языка, перевод и синтез голоса — и научила их работать не по очереди, а одновременно.

Что это значит для вас

Где это полезно

1. Созвоны и митинги с иностранцами

   • Онлайн-встречи в Google Meet с участниками, говорящими на разных языках.
   • Живой перевод выступлений, когда один человек говорит, а остальные слушают перевод с небольшой задержкой.

2. Обучение и лекции

   • Прослушивание лекций, вебинаров и уроков на другом языке с озвученным переводом.
   • Помощь преподавателям, которые работают с многоязычной аудиторией.

3. Туризм и бытовое общение

   • Общение с людьми на улице, в отеле, в такси через Google Переводчик на Android и iOS.
   • Перевод диалогов без постоянных пауз, когда нужно быстро реагировать.

4. Стримы и трансляции

   • Перевод живых эфиров, презентаций и трансляций с небольшим лагом.

Где стоит быть осторожнее

• Точность формулировок
  Для юридических, медицинских, финансовых переговоров лучше использовать письменный перевод и человеческого специалиста. Потоковая система может ошибаться в нюансах.

• Креативные задачи
  Для художественных текстов, рекламы и сложной стилистики Live Translate пока скорее вспомогательный инструмент, чем основной.

• Доступность в России
  Gemini 3.5 Live Translate встроен в сервисы Google. Доступ к ним в России может потребовать VPN и аккаунт, который не ограничен по региону. Если вы уже пользуетесь Google Переводчиком, Live Translate появится прямо в приложении, когда Google докатит обновление до вашего региона.

Место на рынке

Gemini 3.5 Live Translate конкурирует не с текстовыми чат-ботами, а с голосовыми переводчиками и системами синхронного перевода.

По ключевым параметрам:

• Формат работы — непрерывный голос-в-голос перевод, а не схема «распознал текст → перевёл → отдельно озвучил».
• Задержка — несколько секунд позади говорящего, без длинных пауз между фразами.
• Мультиязычность — автоматическое определение 70+ языков в одном потоке без ручного переключения.
• Интонация — попытка сохранить интонацию, темп и высоту голоса, а не просто «монотонный синтез».
• Интеграции — глубокая встройка в уже популярные продукты: Google Переводчик, Google Meet, инструменты для разработчиков.

Google не раскрывает сравнительные цифры по скорости или качеству относительно других систем. Но компания явно делает ставку на сценарии, где важны живой голос, минимальная задержка и отсутствие лишних действий от пользователя.

Как запустить (для разработчиков)

Google открывает Gemini 3.5 Live Translate для разработчиков через:

• Gemini Live API — потоковый доступ к аудио-возможностям модели.
• Google AI Studio — веб-интерфейс для экспериментов с моделью без собственного бэкенда.

Конкретные примеры кода Google приводит уже в документации к Gemini Live API и AI Studio. Базовый сценарий выглядит так:

1. Настроить проект в Google Cloud и включить доступ к Gemini Live API.
2. Открыть поток аудио от пользователя (микрофон, звонок, трансляция).
3. Отправлять аудио чанками в API.
4. Получать обратно поток переведённой речи и воспроизводить его пользователю.

Если вы делаете:

• приложение для онлайн-курсов;
• сервис для многоязычных звонков;
• платформу для живых трансляций с переводом — Live Translate можно встроить как отдельный слой поверх уже существующего продукта.

Для массовых пользователей всё проще: достаточно обновлённого Google Переводчика на Android или iOS — голосовой режим постепенно получит функции Live Translate без дополнительной настройки.

---

Читайте также

• Google показала agentic RAG: поиск, который сам дособирает недостающие данные
• 90210: локальная фабрика короткометражек на базе Veo 3.1 и Gemini 2.5 Pro
• Ideogram 4.0: открытая фронтирная модель изображений с упором на слои и типографику