Gemini 3.5 Live Translate: addio barriere linguistiche, la traduzione vocale è in tempo reale

Ascolto e Traduzione Simultanei

Il modello non aspetta che l'interlocutore smetta di parlare. Trasmette l'input audio e genera progressivamente l'output tradotto nello stesso momento. Google lo descrive come un sistema che rimane "solo qualche secondo dietro a ogni interlocutore", eliminando quelle pause imbarazzanti che possono far deragliare una conversazione naturale .

Riconoscimento Automatico della Lingua

Gli utenti non devono selezionare manualmente la lingua di partenza. Il modello riconosce automaticamente la lingua parlata, anche in ambienti in cui si mescolano più idiomi, rendendolo adatto a conversazioni reali e dinamiche .

Conservazione della Voce Naturale e dell'Intonazione

Un elemento cruciale per l'esperienza d'uso è che l'output tradotto non suona robotico. Il modello è progettato per conservare l'intonazione, il ritmo e il tono originali di chi parla, producendo una voce tradotta che somiglia molto di più alla persona reale e meno a un sintetizzatore vocale .

Copertura Bidirezionale e Multi-Combinazione

Con il supporto per oltre 70 lingue, il modello copre migliaia di coppie linguistiche bidirezionali. È progettato per conversazioni a due vie, dove ogni partecipante può sentire le parole dell'altro tradotte nella propria lingua in modo fluido .

Specifiche Tecniche

Per gli sviluppatori, il modello è accessibile tramite l'API Gemini Live. Richiede un input audio in un formato specifico: audio PCM grezzo a 16 bit, little-endian, con una frequenza di campionamento di 16kHz. L'audio tradotto in output è anch'esso in PCM grezzo a 16 bit, ma con una frequenza di campionamento di 24kHz . La finestra di contesto del modello consente fino a 128.000 token in input e 64.000 token in output .

Dalla Prima Demo al Lancio Pubblico: la Cronistoria

Il percorso di Google verso questo lancio è stato graduale, con la famiglia di modelli Gemini 3.5 annunciata per la prima volta alla conferenza sviluppatori Google I/O nel maggio 2026 .

• Dicembre 2025: Google presenta per la prima volta le sue capacità di traduzione vocale dal vivo in un video dimostrativo, mostrando ascolto continuo e conversazioni bidirezionali in oltre 70 lingue, e lancia una prima beta della funzione nell'app Google Traduttore su Android negli Stati Uniti, in Messico e in India .
• Inizio 2026: La tecnologia sottostante viene perfezionata. Il changelog dell'API Gemini mostra il rilascio di modelli audio live correlati, come gemini-3.1-flash-live-preview il 26 marzo 2026, nell'ambito di questo sviluppo iterativo .
• 9 giugno 2026: Il modello gemini-3.5-live-translate-preview viene rilasciato ufficialmente agli sviluppatori tramite l'API Gemini Live e Google AI Studio, e ai consumatori di tutto il mondo attraverso gli aggiornamenti dell'app Google Traduttore su Android e iOS .

Dove Puoi Usare Gemini 3.5 Live Translate

Il modello è stato reso disponibile su un'ampia gamma di piattaforme Google per consumatori, sviluppatori e aziende, con diversi livelli di accesso.

Google Traduttore (Android e iOS)

Per i consumatori, questo è il punto di accesso più semplice. La funzione è in fase di lancio globale all'interno dell'app Google Traduttore. Basta toccare il pulsante "Traduzione dal vivo" nell'angolo in basso a sinistra mentre si indossano le cuffie. Su Android, Google sta anche rilasciando una "modalità di ascolto" a mani libere che trasmette le traduzioni attraverso l'altoparlante del telefono, permettendo di tenerlo all'orecchio come durante una normale telefonata .

API Gemini Live e Google AI Studio

Per gli sviluppatori, il modello è disponibile in anteprima pubblica. Ciò consente di integrarlo in applicazioni e servizi di terze parti utilizzando l'API Gemini Live con una specifica configurazione di traduzione. Google AI Studio fornisce inoltre un ambiente di prova per prototipare e testare le capacità del modello .

Google Meet

L'accesso per le aziende è più limitato. Gemini 3.5 Live Translate per Google Meet verrà lanciato in anteprima privata per clienti aziendali selezionati a partire da giugno 2026. Quando sarà disponibile, rileverà automaticamente la lingua di chi parla e la tradurrà nella lingua preferita di ciascun partecipante, supportando oltre 70 lingue e più di 2.000 coppie linguistiche durante le riunioni, con un lancio più ampio previsto entro il 2026 . La funzione sarà disponibile per gli abbonati a Google Workspace Business Standard e Plus, Enterprise Standard e Plus, Google AI Pro e Google AI Ultra .

Partner e Integrazioni (Agora, LiveKit, e altri)

Piattaforme di comunicazione in tempo reale come Agora, Fishjam, LiveKit, Pipecat e Vision Agents stanno già lavorando per integrare l'API Gemini Live e portare il modello di traduzione all'interno dei loro flussi multimediali .

Programma Pilota con Grab

Uno dei test reali più interessanti è con Grab, la piattaforma di ride-hailing e delivery del Sud-est asiatico. Grab sta sperimentando la tecnologia per fornire la traduzione vocale in tempo reale tra autisti e passeggeri. L'azienda gestisce oltre 10 milioni di chiamate vocali al mese e questa sperimentazione affronta direttamente la sfida di un mercato linguisticamente frammentato .

Cosa Significa per il Futuro della Traduzione IA

Il passaggio da una traduzione a turni a una in streaming rappresenta un cambiamento fondamentale nell'esperienza utente. Integrando profondamente il modello in prodotti onnipresenti come Google Traduttore e Meet, e aprendolo a un ecosistema di sviluppatori, Google sta trasformando la traduzione vocale in tempo reale da funzione di nicchia a infrastruttura standard per la comunicazione globale . Il progetto pilota con Grab illustra chiaramente questo cambiamento, posizionando la traduzione istantanea come un'utilità, non più come una novità .

Tutto l'audio generato dall'IA sarà provvisto di filigrana digitale con la tecnologia SynthID di Google per garantirne la tracciabilità e mitigare potenziali usi impropri, un passo cruciale man mano che la tecnologia vocale sintetica diventa più convincente e diffusa .