Gemini 3.5 Live Translate: Нова ера живого перекладу без пауз

9 червня 2026 року Google офіційно представила свою найдосконалішу на сьогодні модель голосового перекладу: Gemini 3.5 Live Translate. Ця спеціалізована модель під кодовою назвою розробника gemini-3.5-live-translate-preview створена для одного ключового завдання — майже миттєвого, потокового перекладу мови в мову. Вона підтримує понад 70 мов і більш ніж 2000 мовних пар, що є суттєвим відходом від звичних для багатьох систем перекладу «зупинився-зачекав» .

Замість того, щоб чекати завершення фрази для перекладу, Gemini 3.5 Live Translate починає обробку та генерацію аудіо за лічені секунди. Це робить розмову плавною та природною. Публічний реліз став кульмінацією поетапного розгортання, яке розпочалося з ранніх демонстрацій у грудні 2025 року і продовжилося вдосконаленням через моделі Gemini 3.1 Flash Live навесні 2026-го .

Як працює потоковий переклад мови в мову?

Головною інновацією Gemini 3.5 Live Translate є її безперервна, двонаправлена архітектура потокової передачі. Це значний крок уперед від традиційних, покрокових систем, і він базується на кількох ключових можливостях, що діють одночасно.

Синхронний переклад і прослуховування

Модель не чекає, поки співрозмовник закінчить речення. Вона передає аудіо на вхід та одразу генерує переклад. Google описує це як відставання «на лічені секунди від кожного мовця», що усуває незграбні паузи, здатні зіпсувати природну розмову .

Автоматичне розпізнавання мови

Вам більше не потрібно вручну обирати мову джерела. Модель автоматично визначає, якою мовою говорять, на льоту. Це працює навіть у середовищі, де змішуються кілька мов, що робить її ідеальною для динамічних, реальних розмов .

Збереження природного голосу та інтонації

Надзвичайно важливо для досвіду користувача: перекладений голос не звучить як робот. Модель розроблена так, щоб зберігати оригінальну інтонацію, темп і висоту голосу мовця. Результат — перекладений голос звучить більше як оригінал, ніж як текст від комп'ютера .

Двостороннє спілкування та безліч мовних пар

Завдяки підтримці понад 70 мов, модель охоплює тисячі двосторонніх пар. Вона створена для діалогів, де кожен співрозмовник може чути переклад слів іншого своєю рідною мовою без затримок .

Технічні характеристики

Для розробників модель доступна через Gemini Live API. Вона вимагає аудіо-вхід спеціального формату: необроблений 16-бітний PCM-аудіо з частотою дискретизації 16 кГц (моно, little-endian). Аудіо на виході — це також необроблений 16-бітний PCM, але з вищою частотою 24 кГц . Контекстне вікно дозволяє обробляти до 128 000 вхідних токенів та генерувати до 64 000 вихідних .

Хронологія: від першого демо до глобального запуску

Шлях до цього публічного запуску був поступовим. Сімейство моделей Gemini 3.5 було вперше анонсовано на конференції розробників Google I/O у травні 2026 року .

• Грудень 2025 року: Google вперше показала можливості живого перекладу мови у відеодемонстрації, показавши безперервне прослуховування та двосторонню розмову для 70+ мов, і запустила початкову бета-версію в додатку Google Перекладач на Android у США, Мексиці та Індії .
• Початок 2026 року: Базову технологію було вдосконалено. У журналі змін Gemini API згадується випуск 26 березня 2026 року моделі gemini-3.1-flash-live-preview як частини цієї ітеративної розробки .
• 9 червня 2026 року: Модель gemini-3.5-live-translate-preview офіційно випущена для розробників через Gemini Live API та Google AI Studio, а для споживачів — через оновлення програми Google Перекладач на Android та iOS .

Де спробувати Gemini 3.5 Live Translate вже сьогодні

Модель стає доступною на широкому спектрі споживчих, розробницьких та корпоративних платформ Google з різним рівнем доступу.

Google Перекладач (Android та iOS)

Для звичайних користувачів це найпростіший спосіб. Функція розгортається глобально у додатку Google Перекладач. Увімкніть навушники та натисніть кнопку «Синхронний переклад» у лівому нижньому кутку екрана. На Android також з'являється новий режим вільного прослуховування, що транслює переклад через розмовний динамік телефону — ви можете піднести його до вуха, як під час звичайної розмови .

Gemini Live API та Google AI Studio

Для розробників модель доступна у форматі публічного попереднього перегляду (public preview). Це дозволяє інтегрувати Gemini 3.5 Live Translate у сторонні застосунки та сервіси через Gemini Live API зі спеціальною конфігурацією перекладу. Google AI Studio надає пісочницю для прототипування та тестування можливостей моделі .

Google Meet

Доступ для бізнесу більш обмежений. Gemini 3.5 Live Translate для Google Meet запускається у форматі закритого попереднього перегляду (private preview) для окремих корпоративних клієнтів, починаючи з червня 2026 року. Коли функція запрацює, вона автоматично визначатиме мову спікера та перекладатиме її на обрану мову кожного учасника, підтримуючи понад 70 мов та 2000+ мовних пар під час зустрічей. Ширше розгортання заплановане на кінець 2026 року . Функція буде доступна передплатникам Google Workspace Business Standard і Plus, Enterprise Standard і Plus, а також Google AI Pro та Google AI Ultra .

Партнерські інтеграції (Agora, LiveKit тощо)

Платформи для комунікацій у реальному часі, такі як Agora, Fishjam, LiveKit, Pipecat та Vision Agents, вже працюють над інтеграцією Gemini Live API, щоб впровадити модель перекладу у свої медіа-канали .

Пілотний проєкт з Grab

Один із найбільш переконливих реальних тестів проводить Grab, платформа для райд-хейлінгу та доставки з Південно-Східної Азії. Grab тестує технологію для забезпечення голосового перекладу в реальному часі між водіями та пасажирами. Компанія обробляє понад 10 мільйонів голосових дзвінків на місяць, і цей пілотний проєкт безпосередньо вирішує проблему лінгвістично роздробленого ринку .

Що це означає для майбутнього ШІ-перекладу

Перехід від покрокового до потокового перекладу — це фундаментальна зміна користувацького досвіду. Глибоко інтегруючи модель у такі повсюдні продукти, як Google Перекладач та Google Meet, і відкриваючи її для екосистеми розробників, Google перетворює синхронний переклад мови з нішевої функції на стандартний шар інфраструктури для глобальної комунікації . Пілотний проєкт із Grab яскраво ілюструє цей зсув, позиціонуючи миттєвий, природний переклад як зручний інструмент, а не як дивину .

Усе згенероване ШІ аудіо від моделі має водяний знак за допомогою технології Google SynthID, щоб гарантувати можливість виявлення його походження та зменшити ризик зловживань. Це критичний крок, оскільки технології синтетичного голосу стають дедалі переконливішими та поширенішими .