Google представила нову модель Gemini 3.5 Live Translate для голосового перекладу в режимі реального часу. Нейромережа автоматично розпізнає понад 70 мов і генерує переклад, зберігаючи оригінальну інтонацію, темп і висоту голосу мовця.
На відміну від систем, що очікують завершення фрази, Gemini 3.5 Live Translate обробляє аудіопотік синхронно. Затримка між оригінальною реплікою та перекладом становить лише кілька секунд, що дає змогу уникнути неприродних пауз у діалозі. Модель адаптована до роботи в шумних умовах і не вимагає ручного налаштування параметрів. З метою безпеки та боротьби з дезінформацією всі згенеровані аудіозаписи маркуються невидимим цифровим водяним знаком SynthID.
Розробники вже мають доступ до інструменту у форматі публічної попередньої версії через Gemini Live API та Google AI Studio. Інтеграція з платформами Agora, LiveKit і Vision Agents дає змогу створювати застосунки без необхідності будувати власну інфраструктуру потокової передачі медіа. Наразі технологію тестує азійський сервіс таксі та доставки Grab, що обробляє понад 10 мільйонів дзвінків на місяць, — для забезпечення комунікації між водіями й клієнтами.
У корпоративному сегменті впровадження розпочнеться цього місяця в рамках закритого тестування для передплатників Google Workspace у сервісі відеоконференцій Google Meet. Оновлення підтримуватиме понад 2000 мовних комбінацій в межах однієї зустрічі — тоді як попередня версія системи підтримувала лише п’ять мов і вимагала обов’язкової наявності англійської. Широкий реліз для бізнесу Google планує на кінець 2026 року.
Підписуйтесь на Mediasat у Telegram: тут найцікавіші новини ТБ та телекому
Звичайні користувачі отримають доступ до функції через глобальне оновлення застосунку Google Translate на платформах iOS та Android. При під’єднанні будь-яких навушників система транслюватиме перекладений звук безпосередньо співрозмовнику. Для власників пристроїв на базі Android компанія також передбачила режим прослуховування (listening mode), що дозволяє почути переклад через динамік телефону — зручне рішення для ситуацій, коли навушників немає поруч.
Gemini 3.5 Live Translate — не єдина новинка в лінійці ШІ-моделей Google. Раніше компанія анонсувала мультимодальну серію Gemini Omni, перша модель якої — Gemini Omni Flash — вміє не лише генерувати відео з нуля, а й редагувати наявні ролики за текстовими командами в діалоговому режимі.
