Gemini 3.5 Live Translate Preview

Gemini 3.5 Live Translate — специализированная модель Google для перевода живой речи. Она слушает поток звука и почти сразу выдаёт перевод голосом. Модель не ждёт, пока человек договорит, как это делают переводчики, работающие по репликам. Она переводит на ходу и отстаёт от говорящего, по словам Google, всего на несколько секунд. Согласно карточке модели, она построена на основе Gemini 3 Pro.

Главное отличие от прежних решений Google — число языков и их сочетаний. Раньше перевод речи в Google Meet поддерживал всего пять языков и шёл через английский как промежуточный. Новая модель сама распознаёт больше 70 языков и переводит между ними напрямую, это больше 2000 языковых пар в одной встрече. Кроме того, Google заявляет, что модель сохраняет интонацию, темп и высоту голоса говорящего и справляется с шумом вокруг. В отличие от голосовых агентов линейки Gemini Live, она ничего не делает, кроме перевода.

Модель берут для многоязычных звонков, деловых встреч, занятий и трансляций. Её уже используют Google Translate на Android и iOS и Google Meet, а разработчикам она доступна через Gemini Live API и Google AI Studio. Компания Grab проверяет её для общения водителей с путешественниками. Вместе с переведённым звуком модель может выдавать текстовую расшифровку и исходной речи, и перевода. Звук, который она генерирует, помечается водяным знаком SynthID, чтобы его можно было опознать как созданный ИИ.

Ограничения Google называет сама. Модель принимает только звук: текст на перевод отправить нельзя. Она не вызывает инструменты и не следует инструкциям. Голос перевода может смениться после паузы, иногда модель ошибается с полом говорящего. Язык она хуже определяет при сильном акценте, у близких языков или при частом переключении между ними. Также возможны галлюцинации, то есть выдуманный текст, и обрывы по тайм-ауту.

источники:Анонс в блоге Google ↗Документация: перевод через Gemini Live API ↗Карточка модели Gemini 3.5 Audio ↗