Google показала аудиомодель Gemini 3.5 Live Translate для почти синхронного перевода речи на более чем 70 языков

Google объявила о запуске Gemini 3.5 Live Translate, аудиомодели для почти непрерывного перевода речи в потоковом режиме (speech-to-speech). Система распознаёт более 70 языков и сразу генерирует перевод вслух, стараясь сохранить интонацию, темп и высоту голоса говорящего. Речь обрабатывается по мере поступления аудиосигнала, а перевод появляется через несколько секунд, поэтому паузы и разрывы в разговоре заметно сокращаются.

По данным Google, система умеет работать с многоязычным вводом без ручной настройки языка и остаётся стабильной даже в шумной или непредсказуемой акустической среде. Это открывает возможность использовать её для синхронного перевода звонков, онлайн‑встреч, лекций, трансляций и других форм живого общения.

Технологию постепенно добавляют в продукты компании. В Google Translate функция Live Translate станет глобально доступна на Android и iOS при использовании наушников. На Android также появится «режим прослушивания»: перевод будет выводиться прямо через динамик телефона. В Google Meet планируют интегрировать Gemini 3.5 Live Translate для пользователей Google Workspace. Сначала начнётся закрытое тестирование для бизнес‑клиентов, более широкое распространение ожидается позже в течение года.

Доступ к модели открывают и сторонним разработчикам через Gemini Live API. Среди партнёров названы Agora, Fishjam, LiveKit, Pipecat и Vision Agents. Компания также сообщает о тестах с участием партнёров, включая Grab. Там технологию используют для голосового общения между водителями и пассажирами в реальном времени в многоязычной среде с миллионами звонков в месяц. В аудиовыход модели встроен водяной знак SynthID, который позволяет распознавать синтетически сгенерированную речь.