Gemini 3.5 Live Translate: голосовой перевод Google
Google вынес потоковый голосовой перевод Gemini в Translate, Meet и Live API. Главное — в доступности, задержке, SynthID и ограничениях.
Проверено 9 июня 2026 года. Gemini 3.5 Live Translate — новая аудиомодель Google для потокового speech-to-speech перевода. Она автоматически распознаёт 70+ языков и отдаёт переведённую речь почти в реальном времени, а не ждёт, пока собеседник закончит длинную фразу.
Главное здесь не в том, что Google снова улучшила переводчик. Релиз шире: одна и та же модель идёт в Google Translate, Google Meet и Gemini Live API. То есть Google делает голосовой перевод не отдельной функцией приложения, а инфраструктурой для продуктов и разработчиков.
Что выпустила Google
9 июня 2026 года Google объявила Gemini 3.5 Live Translate. По описанию компании, модель переводит живую речь между 70+ языками, сохраняет интонацию, темп и высоту голоса говорящего и держится всего на несколько секунд позади исходной речи.
Это важная разница с обычными turn-by-turn системами. Старый сценарий: человек говорит, система ждёт паузу, потом отвечает переводом. Новый сценарий: модель обрабатывает аудиопоток непрерывно и балансирует между двумя задачами — дождаться контекста для качества и не отстать от собеседника.
Google также подчёркивает, что всё сгенерированное аудио помечается SynthID. Это невидимый водяной знак для AI-generated audio, который нужен не для красоты, а для будущей проверки происхождения контента.
Где доступен Gemini 3.5 Live Translate
По состоянию на 9 июня 2026 года доступность неодинаковая: часть релиза уже открыта разработчикам, часть выкатывается в потребительские приложения, а Google Meet пока остаётся в закрытом режиме для выбранных клиентов Workspace.
| Где | Кому | Статус | Что важно |
|---|---|---|---|
| Google Translate на Android и iOS | Пользователям приложения | Rollout начался 9 июня 2026 года | Live translate работает с 70+ языками; на Android появляется listening mode через динамик телефона |
| Gemini Live API и Google AI Studio | Разработчикам | Public preview | Модель gemini-3.5-live-translate-preview принимает потоковое аудио и возвращает перевод аудиовыходом |
| Google Meet | Выбранным бизнес-клиентам Google Workspace | Private preview с июня 2026 года | Google обещает 70+ языков и 2000+ языковых комбинаций; более широкий rollout запланирован позже в 2026 году |
Для читателя это значит простую вещь: если вам нужен перевод в приложении, смотрите на Google Translate. Если вы строите свой голосовой продукт, смотреть нужно на Live API. Если вы ждёте перевод в рабочих звонках Meet, пока это не массовая функция для всех аккаунтов.
Чем это отличается от обычного Google Translate
Обычный переводчик чаще работает с текстом или короткими речевыми фрагментами. Gemini 3.5 Live Translate целится в живой разговор, где паузы раздражают сильнее, чем небольшая шероховатость формулировки. В этом смысле модель ближе к голосовому посреднику, чем к классическому словарю.
У Toolarium уже есть широкий разбор DeepL, Google и Яндекса как переводчиков. Новый релиз Google не заменяет этот класс сервисов один к одному. Он закрывает другой сценарий: звонки, уроки, трансляции, поездки и поддержку, где нужно слышать перевод почти сразу.
Ещё одно отличие — голосовые признаки. Google говорит не только о точности перевода, но и о сохранении интонации, темпа и высоты голоса. Это сильный продуктовый ход: если перевод звучит слишком роботизированно или отстаёт на полминуты, им не пользуются в реальном разговоре, какой бы хорошей ни была лингвистика.
Что открыто разработчикам
Для разработчиков Google вынесла Live Translate в Gemini Live API и Google AI Studio. Документация описывает модель gemini-3.5-live-translate-preview: она поддерживает low-latency real-time speech-to-speech translation между 70+ языками. Конфигурация задаёт языки, дальше приложение передаёт аудиопоток и получает переведённое аудио.
Это не полноценный API-гайд, и писать код здесь рано. Но архитектурно важна сама разводка. В документации Google Live Agent ведёт себя как ассистент: слушает, рассуждает, может действовать. Live Translation ведёт себя как переводческий pipeline: обрабатывает непрерывный поток и переводит, пока человек говорит.
Такой подход хорошо ложится на платформы для звонков, вебинаров и customer support. Google в анонсе перечисляет партнёров вроде Agora, LiveKit, Pipecat и Fishjam, а также пишет, что Grab тестирует модель для общения водителей и пассажиров. У Grab, по данным Google, больше 10 млн голосовых звонков в месяц через сервис.
Ограничения модели
Сильнее всего релиз выглядит в демо, но model card Google DeepMind полезно остужает ожидания. Gemini 3.5 Live Translate основана на Gemini 3 Pro, принимает аудио с контекстным окном до 128K токенов и выдаёт аудио и текст до 64K токенов. Но у модели есть ограничения, которые особенно заметны именно в живом голосе.
Google перечисляет несколько рисков: голос может становиться непоследовательным, меняться после длинных пауз, переключаться по полу или застревать на одном голосе в быстрых многосторонних разговорах. Определение языка может хуже работать с неродными акцентами, похожими языками и быстрыми переключениями между языками. Фоновый шум модель фильтрует, но не обязана игнорировать всё.
Это важная поправка к заголовкам про «перевод в реальном времени». Правильнее говорить «почти в реальном времени» и помнить, что живой перевод — компромисс между скоростью, контекстом и естественностью речи. Для туров, звонков и быстрых встреч это может быть достаточно. Для юридически точного перевода или медицины без человека-специалиста — нет.
Что это значит для рынка голосового ИИ
Релиз хорошо укладывается в стратегию Google после I/O 2026: Gemini всё меньше выглядит как одна чат-модель и всё больше как слой для продуктов. Рядом уже есть Gemini 3.5 Flash и агентный поворот Google, а Live Translate показывает другую сторону той же линии — специализированные модели для конкретных интерфейсов.
Для рынка голосового ИИ это означает, что конкуренция смещается от «модель понимает речь» к «модель выдерживает живое взаимодействие». В переводе это особенно жёсткий тест. Пользователь сразу слышит задержку, сбитую интонацию, шум и ошибку в имени. Скрыть слабую UX-часть за красивым benchmark здесь трудно.
Поэтому Gemini 3.5 Live Translate стоит воспринимать не как очередное улучшение Google Translate, а как проверку: сможет ли Google встроить генеративный голосовой перевод в массовые продукты без ощущения, что разговор проходит через тяжёлую машину между двумя людьми.
Итог
Gemini 3.5 Live Translate — сильный релиз не из-за лозунга про 70+ языков, а из-за канала доставки. Google одновременно выводит модель в Translate, даёт public preview разработчикам и готовит Meet для корпоративных встреч. Это делает голосовой перевод частью повседневного продукта, а не отдельной лабораторной демонстрацией.
Но ожидания лучше держать трезвыми. Это preview-система с ограничениями голоса, акцентов, шумов и многосторонних разговоров. Если Google справится с этими краями, Live Translate может стать тем самым редким ИИ-обновлением, которое люди заметят не в чате, а прямо в разговоре.
