Gemini 3.5 Live Translate とは

Gemini 3.5 Live Translate は、Google の最新音声モデルであり、ほぼリアルタイムで音声から音声への翻訳を実現します。70以上の言語を自動検出し、話者の本来の抑揚、テンポ、ピッチを保持した、自然で滑らかな翻訳音声を生成します。話者が話し終えるのを待ってから応答する従来のターンバイターン方式とは異なり、このモデルは継続的に音声を生成し、セッション全体を通して話者よりわずか数秒遅れるだけです。

対象ユーザー

• 多言語音声アプリを構築する開発者は、Gemini Live API と Google AI Studio を介してモデルを統合できます。
• 会議にリアルタイム通訳を必要とするエンタープライズチームは、今月から Google Meet でプライベートプレビューにアクセスできます。
• 日常的な旅行者や多言語コミュニケーターは、Android または iOS の Google 翻訳アプリで、任意のヘッドフォンを使用してこの機能を直接利用できます。

主な機能

継続的なストリーミング翻訳

このモデルは、音声がストリーミングされる際にそれを処理し、品質向上のためにコンテキストを待つことと、同期を保つために即座に翻訳することのトレードオフのバランスを取ります。これにより、ぎこちない間のない流暢な音声が実現します。

自動言語検出

Gemini 3.5 Live Translate は、手動設定を必要とせずに多言語入力を処理します。70以上のオプションからソース言語を自動的に識別し、適切な翻訳を生成します。

ノイズ耐性

このモデルは、騒がしく予測不可能な環境でも処理できるように設計されており、多言語通話、会議、レッスン、放送などの実用的なアプリケーションに適しています。

幅広いプラットフォームでの利用可能性

このモデルは、Google 製品全体で展開されます。開発者向けには Gemini Live API と Google AI Studio、エンタープライズ向けには Google Meet、消費者向けには Android と iOS の Google 翻訳アプリで利用できます。

特筆すべき点

「ぎこちない間のない流暢なオーディオを提供し、セッション全体を通して話者よりわずか数秒遅れるだけです。」

この継続的なストリーミングアプローチは、従来の翻訳システムからの根本的な転換です。完全な文が終わるのを待って応答する代わりに、Gemini 3.5 Live Translate はほぼリアルタイムで音声を生成し、会話の自然な流れを維持します。また、このモデルは話者の本来のトーンとテンポを維持するため、インタラクションがより人間らしく、ロボット的でなくなります。

こんな方におすすめ

多言語会議、カスタマーサポート、旅行、またはシームレスな言語間コミュニケーションが重要なあらゆるシナリオにおいて、ライブで自然な音声翻訳が必要な方。音声アプリを構築する開発者は、Gemini Live API と、Agora、LiveKit、Pipecat などのプラットフォームとのパートナー連携が、迅速な展開に特に役立つでしょう。