A Gemini 3.5 Live Translate egy valós idejű beszéd-fordító rendszer, amely 70 nyelven működik és folyamatosan, a beszélővel szinkronban fordít — nem pedig körönként várakozik. A modell megőrzi a beszélő hangsúlyát, ritmusát és hangmagasságát, így a fordítás természetesen hat, nem robotikus.
A korábbi rendszerek a mondat végére vártak a fordítással, ami akadozó, szakaszos élményt adott. A 3.5 Live Translate ezzel szemben folyamatosan generálja a fordított hangot, mindössze néhány másodperces lemaradással. Ez a konstrukció lehetővé teszi, hogy élő hívásokon, értekezleteken, előadásokon és műsorokon is használható legyen — a Google Meet már ebben a hónapban teszteli vállalati ügyfelek körében, a Google Translate appban pedig mostantól elérhető Androidon és iOS-en.
A fejlesztők a Gemini Live API-n keresztül építhetnek rá: a Grab nevű fuvarozó és csomagkiszállító szolgáltatás már teszteli a sofőrök és utasok többnyelvű kommunikációját (ez havonta 10 milliónál is több hívást jelent). A Google minden generált audio kimenetbe beágyazott, észrevehetetlen SynthID vízjelet helyez, hogy az AI-generált tartalom azonosítható maradjon.
