Hace veinte años, la traducción en Google comenzó como uno de nuestros experimentos pioneros de machine learning para convertir la ciencia del lenguaje en la magia de la conexión humana. Ese experimento ha recorrido un largo camino: cada mes se traducen más de un billón de palabras para miles de millones de usuarios en todos nuestros productos.
Hoy damos nuestro próximo paso con el lanzamiento de Gemini 3.5 Live Translate, nuestro modelo de audio más reciente para traducción de voz a voz en tiempo real.
El modelo detecta automáticamente más de 70 idiomas y genera un discurso traducido suave y natural que conserva la entonación, el ritmo y el tono de los hablantes. A diferencia de los sistemas de turno por turno que esperan a que el hablante termine de hablar antes de responder, 3.5 Live Translate genera voz de forma continua, equilibrando el compromiso entre esperar contexto para mejorar la calidad y traducir de inmediato para mantenerse sincronizado con el hablante. Ofrece audio fluido sin pausas incómodas y se mantiene solo unos segundos detrás del hablante durante toda la sesión.
Gemini 3.5 Live Translate comienza a implementarse hoy en los productos de Google:
- Para desarrolladores en vista previa pública a través de la Gemini Live API y Google AI Studio
- Para empresas en vista previa privada a partir de este mes en Google Meet
- Para todos a través de Google Translate en Android e iOS
Desarrolla con 3.5 Live Translate
Gemini 3.5 Live Translate procesa la voz a medida que se transmite, lo que permite una conexión más fluida entre idiomas. El modelo maneja entradas multilingües sin necesidad de configurar ajustes manualmente. Al mismo tiempo, su robustez frente al ruido garantiza que las aplicaciones puedan funcionar en entornos ruidosos e impredecibles. Puedes usar sus capacidades para facilitar la interpretación en vivo en llamadas multilingües, reuniones, clases, transmisiones y más.
Mira la Gemini Live API en acción, permitiendo doblaje y traducción simultánea a varios idiomas. Sumérgete en la demostración o en más código de ejemplo en el Gemini Cookbook.
Al utilizar la Gemini Live API, plataformas de desarrolladores como Agora, Fishjam, LiveKit, Pipecat y Vision Agents permiten a los desarrolladores crear e implementar aplicaciones de traducción de voz con facilidad. Estas integraciones manejan la compleja infraestructura de transmisión de medios en tiempo real, para que los desarrolladores puedan centrarse en la experiencia del usuario.
Nuestros socios en Grab están probando el modelo para facilitar la comunicación multilingüe casi en tiempo real entre conductores y viajeros en los puntos de recogida. Estos usuarios realizan más de 10 millones de llamadas de voz al mes a través de Grab.
Experimenta 3.5 Live Translate en tus videollamadas
La traducción de voz en Google Meet pronto usará 3.5 Live Translate, mejorando la experiencia al:
- Ofrecer más de 70 idiomas, una mejora respecto al límite anterior de solo cinco,
- Permitir conversaciones en más de 2000 combinaciones de idiomas en una misma reunión, ampliando el estado anterior donde solo se traducía desde y hacia el inglés,
- Actualizar la interfaz para proporcionar acceso instantáneo a la traducción de voz.
Lanzamos esta actualización en vista previa privada para clientes empresariales seleccionados de Google Workspace a partir de este mes, seguida de un lanzamiento más amplio a finales de este año.
Consigue 3.5 Live Translate en la aplicación Google Translate en Android o iOS
El modelo también se está implementando en la aplicación Google Translate a nivel global, tanto en Android como en iOS. Al usar la función de traducción en vivo, simplemente conecta cualquier par de auriculares para disfrutar de una traducción más fluida que refleja el tono del hablante en más de 70 idiomas.
Para los usuarios de Android, también comenzamos a implementar un nuevo «modo de escucha» con 3.5 Live Translate que permite escuchar las traducciones directamente a través del auricular del teléfono. Simplemente acerca el teléfono a la oreja como en una llamada normal y el audio traducido se transmite directamente a ti. Esta nueva experiencia puede ser útil en situaciones donde quieras escuchar traducciones rápidamente sin que otros las oigan y no tengas tus auriculares a mano.
Marcado con SynthID
Todo el audio generado por nuestros modelos está marcado con SynthID. Esta marca de agua imperceptible se integra directamente en la salida de audio, garantizando que el contenido generado por IA siga siendo detectable para ayudar a prevenir la desinformación. Para más detalles sobre nuestro enfoque de seguridad y responsabilidad, consulta la ficha del modelo.
