20 年前、Google 翻訳は、言語の科学を人間のつながりの魔法に変える先駆的な機械学習実験として始まりました。この実験は大きく進化し、現在では毎月、当社の製品を通じて何十億ものユーザーが、1 兆語以上の翻訳を利用しています。
本日、私たちは次のステップとして、ライブ音声翻訳のための最新オーディオモデル Gemini 3.5 Live Translate をリリースします。
このモデルは、70 以上の言語を自動検出し、話者の抑揚、テンポ、ピッチを維持した、滑らかで自然な翻訳音声を生成します。話者が話し終えるのを待ってから応答する従来のターンバイターン方式とは異なり、3.5 Live Translate は継続的に音声を生成し、品質向上のためのコンテキスト待ちと、話者との同期を保つための即時翻訳のトレードオフを調整します。不自然な間を置くことなく、流れるような音声を実現し、セッション全体を通して話者より数秒遅れるだけの応答を提供します。
Gemini 3.5 Live Translate は、本日より Google 製品全体で展開を開始します。
- 開発者向け： Gemini Live API および Google AI Studio でパブリックプレビューとして提供
- 企業向け： 今月より Google Meet でプライベートプレビューを開始
- 一般ユーザー向け： Android および iOS の Google 翻訳アプリで提供
3.5 Live Translate で構築する
Gemini 3.5 Live Translate は、ストリーミングされる音声を処理しながら、言語間のよりシームレスな接続を実現します。このモデルは、手動で設定を構成する必要なく、多言語入力を処理します。同時に、ノイズに対する堅牢性により、騒がしく予測不能な環境でもアプリケーションが確実に動作します。この機能を活用して、多言語での通話、会議、レッスン、放送などのライブ通訳を支援できます。
Gemini Live API が実際に動作し、吹き替えと同時多言語翻訳を実現する様子をご覧ください。詳細は デモ または Gemini Cookbook の サンプルコード をご確認ください。
Gemini Live API を活用することで、Agora、Fishjam、LiveKit、Pipecat、Vision Agents などの開発者プラットフォームは、音声翻訳アプリを簡単に構築・展開できるようにします。これらの統合により、複雑なリアルタイムメディアストリーミングインフラが処理されるため、開発者はユーザーエクスペリエンスに集中できます。
パートナーである Grab は、このモデルをテストしており、ドライバーと旅行者の間での多言語コミュニケーションを、ピックアップ時にほぼリアルタイムで実現することを目指しています。これらのユーザーは、Grab を通じて毎月 1,000 万件以上の音声通話を行っています。
ビデオ会議で 3.5 Live Translate を体験する
Google Meet の音声翻訳は、まもなく 3.5 Live Translate を使用するようになり、以下の点が改善されます。
- 対応言語が従来の 5 言語から 70 以上に拡大
- 1 つの会議で 2000 以上の言語組み合わせでの会話が可能に（従来は英語との間の翻訳のみ）
- 音声翻訳への即時アクセスを提供するインターフェースの更新
このアップデートは、今月より一部のビジネス向け Google Workspace のお客様を対象にプライベートプレビューとして提供を開始し、その後、年内により広く展開される予定です。
Android または iOS の Google 翻訳アプリで 3.5 Live Translate を入手する
このモデルは、Android および iOS の Google 翻訳アプリでもグローバルに展開されています。ライブ翻訳機能を使用する際は、任意のヘッドホンを接続するだけで、70 以上の言語で話者のトーンを反映した、よりシームレスな翻訳を体験できます。
Android ユーザー向けには、3.5 Live Translate を使用した新しい「リスニングモード」の展開も開始しています。このモードでは、翻訳をスマートフォンのイヤピースから直接聞くことができます。通常の通話のようにスマートフォンを耳に当てるだけで、翻訳された音声が直接聞こえてきます。この新しいエクスペリエンスは、周りに聞かれたくないがヘッドホンがない状況で、素早く翻訳を聞きたい場合に役立ちます。
SynthID による透かし
当社のモデルによって生成されたすべての音声には、SynthID による透かしが埋め込まれています。この知覚できない透かしは、音声出力に直接織り込まれており、AI 生成コンテンツを検出可能にすることで、誤情報の拡散防止に貢献します。安全性と責任に関する当社のアプローチの詳細については、モデルカードをご確認ください。
