Google は Gemini 3.5 Live Translate を発表しました。リアルタイム通訳を「話し終わってから翻訳」から「聞きながら翻訳」へと前進させています。70 以上の言語のリアルタイム相互翻訳に対応し、遅延はわずか数秒、話者の話速や抑揚も保持します。

Gemini 3.5 Live Translate とは

従来の翻訳ツールの動作はトランシーバーのようなものでした。1文話し終えると、ツールは話し終わるのをじっと待ってから、相手に翻訳します。一往復するたびにリズムが崩れていました。

Gemini 3.5 Live Translate はこの方式を変えました。聞きながら翻訳し、話が終わらないうちに訳声が届きます。モデルは「もう少し待てばより正確に翻訳できる」と「すぐに話し始めて話者に追随する」の間で、一字一句単位で塩梅を調整し、最終的に途切れのない連続的な出力を生み出します。全体で話者に数秒遅れるだけです。

コア能力

• 聞きながら翻訳：話し終わるのを待たずに、リアルタイムで訳文を出力
• 音声特徴の保持：翻訳後の声もあなたの話速、ピッチ、抑揚を保持し、無機質な機械音ではない
• 70 以上の言語に対応：全自動で識別し、途中で言語を切り替えても追随します
• ノイズ耐性：市場、空港、道路脇でも使える

同モデルは Gemini 3 Pro をベースに構築され、最長 128K トークンの音声コンテキストを処理できます。評価では翻訳品質、遅延、音声の自然さの3つの指標に焦点を当てています。

使い方

3つの製品ラインが同時に展開され、異なるユーザー層をカバーします：

一般ユーザー：Google Translate

Google Translate の Android 版と iOS 版はすでに世界展開されています。

アプリ左下の「リアルタイム翻訳」を開き、任意のイヤホンを接続すれば使えます。Android には「リスニングモード」もあります。スマホを電話のように耳に当てると、訳声が受話器から直接届き、周囲には聞こえません。

企業ユーザー：Google Meet

今月から Google Meet はプライベートベータ段階に入ります。以前は5つの言語のみ対応でしたが、今回は一気に70以上まで引き上げ、1回の会議で2000以上の言語の組み合わせを支えられます。

開発者：Gemini Live API

Gemini Live API と Google AI Studio のパブリックベータを通じて、今日から使い始められます。Agora、Fishjam、LiveKit などのプラットフォームがすでに接続しており、リアルタイムメディアストリームのインフラを丸ごと引き受けてくれます。

音声翻訳は Google が最も長く走り続けている機械学習プロジェクトの1つですが、ついに今回はイヤホンの中まで走り込みました。 -- Jeff Dean、Google DeepMind チーフサイエンティスト

既知の制限

現時点では音声入力のみを受け付けます。強い訛り、言語の高速な往復切り替え、複数人が同時に話す場合、長時間の沈黙では、声の再現が不安定になることがあります。

実際のシーン

東南アジアの配車プラットフォーム Grab がすでに試用を始めています。運転手が現地の言葉を話し、乗客は自分の母語で聞きます。Grab ユーザーは毎月1000万回を超える音声通話を行っており、これは発表会のデモではなく、実際のビジネスシーンです。

あなたに合うシーン：言語の異なる会議、海外旅行でのコミュニケーション、多言語カスタマーサポート、オンライン授業、動画の吹き替え、多言語配信。

入手方法

• Google Translate：Android/iOS アプリ、左下の「リアルタイム翻訳」
• Google Meet：今月プライベートベータ
• Gemini Live API：Google AI Studioでパブリックベータ
• モデルカード：Gemini 3.5 Audio Model Card