Vor zwanzig Jahren begann die Übersetzung bei Google als eines unserer bahnbrechenden Experimente im maschinellen Lernen, um die Wissenschaft der Sprache in die Magie menschlicher Verbindung zu verwandeln. Dieses Experiment hat einen langen Weg zurückgelegt: Jeden Monat werden über eine Billion Wörter für Milliarden von Nutzern in unseren Produkten übersetzt.
Heute machen wir den nächsten Schritt mit der Veröffentlichung von Gemini 3.5 Live Translate, unserem neuesten Audiomodell für Live-Sprach-zu-Sprach-Übersetzung.
Das Modell erkennt automatisch über 70 Sprachen und erzeugt flüssige, natürlich klingende übersetzte Sprache, die die Intonation, das Sprechtempo und die Tonhöhe der Sprecher bewahrt. Im Gegensatz zu Systemen, die nacheinander arbeiten und darauf warten, dass der Sprecher seinen Satz beendet, bevor sie antworten, generiert 3.5 Live Translate kontinuierlich Sprache. Es findet den optimalen Kompromiss zwischen dem Warten auf Kontext zur Verbesserung der Qualität und dem sofortigen Übersetzen, um mit dem Sprecher synchron zu bleiben. Das Ergebnis ist flüssiges Audio ohne unangenehme Pausen, das dem Sprecher während der gesamten Sitzung nur wenige Sekunden hinterherhinkt.
Gemini 3.5 Live Translate wird ab heute in den Google-Produkten eingeführt:
- Für Entwickler in der öffentlichen Vorschau über die Gemini Live API und Google AI Studio
- Für Unternehmen in der privaten Vorschau ab diesem Monat in Google Meet
- Für alle über Google Translate auf Android und iOS
Mit 3.5 Live Translate entwickeln
Gemini 3.5 Live Translate verarbeitet Sprache während des Streamings und ermöglicht so eine nahtlosere Verbindung zwischen verschiedenen Sprachen. Das Modell verarbeitet mehrsprachige Eingaben, ohne dass Einstellungen manuell konfiguriert werden müssen. Gleichzeitig sorgt seine Robustheit gegenüber Hintergrundgeräuschen dafür, dass Anwendungen auch in lauten, unvorhersehbaren Umgebungen zuverlässig funktionieren. Sie können seine Fähigkeiten nutzen, um Live-Dolmetschungen für mehrsprachige Telefonate, Meetings, Unterrichtsstunden, Übertragungen und mehr zu ermöglichen.
Sehen Sie die Gemini Live API in Aktion, die Synchronisation und simultane mehrsprachige Übersetzung ermöglicht. Tauchen Sie ein in die Demo oder weitere Beispielcodes im Gemini Cookbook.
Durch die Nutzung der Gemini Live API ermöglichen Entwicklerplattformen wie Agora, Fishjam, LiveKit, Pipecat und Vision Agents Entwicklern, Sprachübersetzungs-Apps mühelos zu erstellen und bereitzustellen. Diese Integrationen kümmern sich um die komplexe Echtzeit-Media-Streaming-Infrastruktur, sodass sich Entwickler auf das Benutzererlebnis konzentrieren können.
Unsere Partner bei Grab testen das Modell, um eine mehrsprachige Kommunikation in nahezu Echtzeit zwischen Fahrern und Reisenden an Abholpunkten zu ermöglichen. Diese Nutzer tätigen über 10 Millionen Sprachanrufe pro Monat über Grab.
Erleben Sie 3.5 Live Translate in Ihren Videomeetings
Die Sprachübersetzung in Google Meet wird bald 3.5 Live Translate nutzen und das Erlebnis verbessern durch:
- Bereitstellung von über 70 Sprachen, eine Verbesserung gegenüber dem bisherigen Limit von nur fünf Sprachen,
- Ermöglichung von Gesprächen in über 2000 Sprachkombinationen in einem Meeting, eine Erweiterung gegenüber dem vorherigen Zustand, in dem nur von und ins Englische übersetzt wurde,
- Aktualisierung der Benutzeroberfläche für einen sofortigen Zugriff auf die Sprachübersetzung.
Wir führen dieses Update ab diesem Monat in einer privaten Vorschau für ausgewählte Geschäftskunden von Google Workspace ein, gefolgt von einer breiteren Einführung später in diesem Jahr.
Holen Sie sich 3.5 Live Translate in der Google Translate App auf Android oder iOS
Das Modell wird auch weltweit in der Google Translate App auf Android und iOS eingeführt. Wenn Sie die Live-Übersetzungsfunktion nutzen, schließen Sie einfach ein beliebiges Paar Kopfhörer an, um eine nahtlosere Übersetzung zu erleben, die den Tonfall des Sprechers in über 70 Sprachen widerspiegelt.
Für Android-Nutzer führen wir außerdem einen neuen „Hörmodus“ mit 3.5 Live Translate ein, der es ermöglicht, Übersetzungen direkt über die Hörmuschel des Telefons zu hören. Halten Sie Ihr Telefon einfach wie bei einem normalen Anruf ans Ohr, und der übersetzte Audiostream wird direkt an Sie übertragen. Diese neue Funktion kann in Situationen hilfreich sein, in Sie Übersetzungen schnell hören möchten, ohne dass andere mithören, und Sie keine Kopfhörer zur Hand haben.
Mit SynthID gekennzeichnet
Alle von unseren Modellen generierten Audiodaten werden mit SynthID gekennzeichnet. Dieses unsichtbare Wasserzeichen wird direkt in die Audioausgabe eingewebt und stellt sicher, dass KI-generierte Inhalte erkennbar bleiben, um Fehlinformationen zu verhindern. Details zu unserem Ansatz in Bezug auf Sicherheit und Verantwortung finden Sie in der Modellkarte.
