Koniec z barierą językową: Tłumacz Google zyskuje supermoce dzięki Gemini 3.5 Live Translate
Gemini 3.5 Live Translate to nowy model AI od Google do tłumaczenia mowy na mowę w niemal rzeczywistym czasie, obsługujący ponad 70 języków, dostępny w aplikacji Tłumacz Google i przez API. W przeciwieństwie do starszych translatorów, ten model zaczyna tłumaczyć natychmiast, gdy użytkownik mówi, zachowując oryginaln...
What is Google's Gemini 3.5 Live Translate model, how does its streaming speech-to-speech translation work across more than 70 languages, anGoogle's Gemini 3.5 Live Translate model brings near real-time speech translation to Google Translate and the Gemini API.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What is Google's Gemini 3.5 Live Translate model, how does its streaming speech-to-speech translation work across more than 70 languages, an. Article summary: ## What It Is. Topic tags: general, general web, user generated, documentation. Reference image context from search candidates: Reference image 1: visual subject "# Google Launches Gemini 3.5 Live Translate in 70 Languages. Google has launched Gemini 3.5 Live Translate, a new AI powered speech translation model that enables near real time co" source context "Google Launches Gemini 3.5 Live Translate in 70 ..." Reference image 2: visual subject "Google Patches Chrome Zero Day Vulnerability Under Attack" source context "Google Launches Gemini 3.5 Live Translate in 70 ..." Style: premium digital editorial illustration, source-backed research mood, clean compositio
openai.com
9 czerwca 2026 roku Google udostępniło publicznie swój najbardziej zaawansowany model do tłumaczenia dźwięku: Gemini 3.5 Live Translate. Ten wyspecjalizowany model, o kodzie deweloperskim gemini-3.5-live-translate-preview, został zaprojektowany do jednego głównego zadania – strumieniowego tłumaczenia mowy na mowę w czasie zbliżonym do rzeczywistego . Obsługuje ponad 70 języków i ponad 2000 par językowych, co stanowi ogromny krok naprzód w stosunku do systemów tłumaczenia "stop-and-start", do których większość z nas przywykła .
Kluczowa zmiana polega na tym, że nie musisz już czekać, aż rozmówca skończy całe zdanie, by usłyszeć tłumaczenie. Gemini 3.5 Live Translate zaczyna przetwarzać i generować przetłumaczony głos w ciągu kilku sekund, dbając o to, by rozmowa toczyła się płynnie i naturalnie. To publiczne wydanie jest zwieńczeniem etapowego wdrażania, które rozpoczęło się od wczesnych demonstracji w grudniu 2025 roku, a następnie było udoskonalane przez modele Gemini 3.1 flash live wiosną 2026 roku .
Studio Global AI
Search, cite, and publish your own answer
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
What is the short answer to "Koniec z barierą językową: Tłumacz Google zyskuje supermoce dzięki Gemini 3.5 Live Translate"?
Gemini 3.5 Live Translate to nowy model AI od Google do tłumaczenia mowy na mowę w niemal rzeczywistym czasie, obsługujący ponad 70 języków, dostępny w aplikacji Tłumacz Google i przez API.
What are the key points to validate first?
Gemini 3.5 Live Translate to nowy model AI od Google do tłumaczenia mowy na mowę w niemal rzeczywistym czasie, obsługujący ponad 70 języków, dostępny w aplikacji Tłumacz Google i przez API. W przeciwieństwie do starszych translatorów, ten model zaczyna tłumaczyć natychmiast, gdy użytkownik mówi, zachowując oryginalny ton, tempo i intonację, a przetłumaczony głos jest odtwarzany strumieniowo.
What should I do next in practice?
Technologia jest już testowana przez platformę Grab do komunikacji kierowca pasażer, a jeszcze w 2026 roku trafi do szerszego grona użytkowników Google Meet.
Sercem Gemini 3.5 Live Translate jest ciągła, dwukierunkowa architektura strumieniowa. To zasadnicze odejście od tradycyjnych, turowych systemów tłumaczenia, które opiera się na kilku współdziałających ze sobą kluczowych funkcjach.
Jednoczesne tłumaczenie i słuchanie
Model nie czeka, aż mówca skończy. Strumieniuje wejściowy sygnał audio i jednocześnie generuje przetłumaczony tekst, odtwarzając go stopniowo. Google opisuje to jako pozostawanie w tyle zaledwie o kilka sekund za każdym z mówców, co eliminuje niezręczne pauzy, które potrafią wykoleić naturalną rozmowę .
Automatyczne wykrywanie języka
Użytkownicy nie muszą ręcznie wybierać języka źródłowego. Model automatycznie wykrywa, w jakim języku mówi dana osoba, i robi to "w locie". Działa to nawet w środowiskach, gdzie przeplata się wiele języków, co czyni go idealnym do dynamicznych, codziennych konwersacji .
Zachowanie naturalnego głosu i intonacji
Kluczowym elementem dla wygody użytkownika jest to, że przetłumaczony głos nie brzmi jak robot. Model został zaprojektowany tak, aby zachować oryginalną intonację, tempo i wysokość głosu mówcy, dzięki czemu brzmi on bardziej jak oryginalna osoba, a mniej jak automatyczny syntezator mowy .
Dwukierunkowość i szerokie pokrycie par językowych
Dzięki obsłudze ponad 70 języków, model pokrywa tysiące dwukierunkowych par. Jest przystosowany do rozmów dwustronnych, gdzie każdy z rozmówców słyszy słowa drugiej osoby płynnie tłumaczone na swój własny język .
Specyfikacja techniczna
Dla deweloperów model jest dostępny przez Gemini Live API. Wymaga wejścia audio w specyficznym formacie: surowe, 16-bitowe PCM audio o próbkowaniu 16kHz. Wyjściowe przetłumaczone audio to również surowe 16-bitowe PCM, ale o wyższej częstotliwości próbkowania, wynoszącej 24kHz . Okno kontekstowe modelu pozwala na przetworzenie do 128 000 tokenów wejściowych i 64 000 tokenów wyjściowych .
Od pierwszego demo do publicznej premiery: oś czasu wdrożenia
Droga Google do tej premiery była etapowa, a rodzina modeli Gemini 3.5 została po raz pierwszy zapowiedziana na konferencji dla deweloperów Google I/O w maju 2026 roku .
Grudzień 2025: Google po raz pierwszy zaprezentowało możliwości tłumaczenia mowy na mowę na żywo w filmie demonstracyjnym, pokazując ciągłe słuchanie i dwustronną rozmowę w ponad 70 językach. Uruchomiono też wstępną wersję beta tej funkcji w aplikacji Tłumacz Google na Androida w USA, Meksyku i Indiach .
Początek 2026: Technologia bazowa była udoskonalana. W dzienniku zmian Gemini API odnotowano wydanie pokrewnych modeli audio na żywo, takich jak gemini-3.1-flash-live-preview 26 marca 2026 roku, w ramach tego iteracyjnego rozwoju .
9 czerwca 2026: Model gemini-3.5-live-translate-preview został oficjalnie udostępniony deweloperom przez Gemini Live API i Google AI Studio, a także konsumentom na całym świecie poprzez aktualizacje aplikacji Tłumacz Google na Androida i iOS .
Gdzie już teraz można skorzystać z Gemini 3.5 Live Translate
Model jest udostępniany w szerokiej gamie produktów konsumenckich, deweloperskich i korporacyjnych Google, z różnym poziomem dostępu.
Tłumacz Google (Android i iOS)
Dla zwykłych użytkowników to najprostsze rozwiązanie. Funkcja jest globalnie wdrażana w aplikacji Tłumacz Google. Wystarczy dotknąć przycisku "Tłumacz na żywo" w lewym dolnym rogu ekranu aplikacji, mając na uszach słuchawki. Na Androidzie Google wprowadza również tryb "nasłuchiwania" bez użycia rąk, który odtwarza tłumaczenia przez głośnik słuchawki telefonu, pozwalając przyłożyć go do ucha jak przy zwykłej rozmowie .
Gemini Live API i Google AI Studio
Dla deweloperów model jest dostępny w publicznej wersji preview. Pozwala to na integrację z aplikacjami i usługami firm trzecich za pomocą Gemini Live API ze specyficzną konfiguracją tłumaczenia. Google AI Studio zapewnia również środowisko testowe dla deweloperów do prototypowania i sprawdzania możliwości modelu .
Google Meet
Dostęp dla firm jest bardziej ograniczony. Gemini 3.5 Live Translate dla Google Meet startuje w prywatnej wersji preview dla wybranych klientów korporacyjnych od czerwca 2026 roku. Gdy będzie dostępne, automatycznie wykryje język mówcy i przetłumaczy go na preferowany język każdego uczestnika, obsługując ponad 70 języków i ponad 2000 par językowych podczas spotkań. Szersze wdrożenie planowane jest na koniec 2026 roku . Ta funkcja będzie dostępna dla subskrybentów Google Workspace Business Standard i Plus, Enterprise Standard i Plus, a także dla użytkowników planów Google AI Pro i Google AI Ultra .
Integracje partnerskie (Agora, LiveKit i inne)
Platformy do komunikacji w czasie rzeczywistym, takie jak Agora, Fishjam, LiveKit, Pipecat i Vision Agents, już pracują nad integracją Gemini Live API, aby włączyć model tłumaczeniowy do swoich własnych potoków medialnych .
Program pilotażowy Grab
Jednym z najbardziej fascynujących testów w świecie rzeczywistym jest ten prowadzony z Grab, platformą ride-sharingową i delivery z Azji Południowo-Wschodniej. Grab testuje tę technologię, aby zapewnić tłumaczenie głosu w czasie rzeczywistym pomiędzy kierowcami a pasażerami. Firma obsługuje ponad 10 milionów połączeń głosowych miesięcznie, a ten pilotaż bezpośrednio mierzy się z wyzwaniem, jakim jest rozdrobniony językowo rynek .
Co to oznacza dla przyszłości tłumaczeń AI
Przejście od systemu tłumaczeń turowych do strumieniowych to fundamentalna zmiana w doświadczeniu użytkownika. Poprzez głęboką integrację modelu z wszechobecnymi produktami, takimi jak Tłumacz Google i Meet, i udostępnienie go ekosystemowi deweloperów, Google wypycha tłumaczenie mowy w czasie rzeczywistym z niszy do roli standardowej warstwy infrastruktury dla globalnej komunikacji . Pilotaż z Grab doskonale ilustruje tę zmianę, pozycjonując natychmiastowe, naturalnie brzmiące tłumaczenie jako użyteczność, a nie nowinkę technologiczną .
Całe wygenerowane przez AI audio z modelu jest znakowane wodnym znakiem cyfrowym przy użyciu technologii SynthID od Google, aby zapewnić możliwość wykrycia jego pochodzenia i zapobiec potencjalnym nadużyciom. To kluczowy krok w miarę jak technologia syntetycznego głosu staje się coraz bardziej przekonująca i powszechna .
x.comToday, we released Gemini 3.5 Live Translate, our latest audio ...
Comments
0 comments