9 июня 2026 года Google DeepMind представила Gemini 3.5 Live Translate — новую аудиомодель для почти синхронного перевода речи в речь. Главное здесь не просто «перевести сказанное», а сделать это живым голосом, без длинных пауз, с сохранением интонации, темпа и высоты голоса говорящего. Модель уже начинает появляться в Google AI Studio, Gemini Live API, Google Translate и Google Meet.
Что произошло
Google выпустила Gemini 3.5 Live Translate — модель для голосового перевода в реальном времени. Она принимает поток речи, автоматически определяет язык, переводит сказанное и сразу генерирует аудио на другом языке. Поддерживается более 70 языков.
Если объяснять совсем просто: человек говорит на одном языке, а другой человек почти сразу слышит перевод голосом на другом языке. Не текст на экране, не субтитры, не озвучка после окончания фразы, а именно потоковый голосовой перевод с задержкой в несколько секунд.
Это важное отличие от классических систем перевода. Обычно такие сервисы работают по схеме «сначала дослушали фразу, потом распознали, потом перевели, потом озвучили». Из-за этого разговор становится рваным: один говорит, второй ждёт, потом слушает перевод, потом отвечает. Gemini 3.5 Live Translate пытается вести перевод непрерывно, пока человек ещё говорит.
Почему это важно
Голосовой перевод давно существует, но чаще всего он ощущался как технический компромисс. Можно перевести фразу в приложении, можно включить субтитры на встрече, можно прогнать аудио через распознавание и синтез речи. Но живой разговор при этом ломался: задержки, монотонная озвучка, потеря эмоций, ошибки на шумном фоне.
Google делает ставку на другой сценарий: перевод должен быть похож не на работу словаря, а на присутствие переводчика рядом. Модель старается сохранить не только смысл слов, но и манеру речи. Если человек говорит быстро, эмоционально или делает паузы, перевод должен звучать ближе к исходной речи, а не превращаться в плоский дикторский текст.
На практике это может быть полезно в нескольких местах:
- международные видеовстречи;
- переговоры с клиентами и партнёрами;
- обучение и лекции на другом языке;
- экскурсии и поездки;
- звонки в сервисах, где люди не говорят на одном языке;
- прямые эфиры и трансляции;
- приложения с голосовым общением.
Особенно интересен сценарий с встречами. Google прямо говорит, что новая модель будет использоваться в Google Meet для перевода речи. Для компаний это может снизить барьер в международных командах: не всем нужно идеально говорить по-английски, чтобы участвовать в обсуждении.
Что нового по сравнению с предыдущими решениями
Главное изменение — переход от «перевода после фразы» к почти непрерывному переводу. Старые turn-by-turn-системы обычно ждали, пока человек закончит мысль. Это улучшало точность, потому что модель получала больше контекста, но ухудшало живость разговора. Собеседники постоянно ждали друг друга.
Gemini 3.5 Live Translate пытается балансировать между двумя задачами: не спешить настолько, чтобы потерять смысл, и не ждать слишком долго, чтобы разговор не рассыпался. Поэтому перевод идёт с небольшой задержкой, но не превращается в отдельный этап после каждой реплики.
Второе заметное отличие — масштаб языков. Для Google Meet заявлено расширение до 70+ языков. Раньше функция речевого перевода в Meet была заметно ограниченнее: Google указывает, что было только пять языков. Также прежняя логика была в основном завязана на перевод в английский и из английского. Новая версия должна поддерживать более 2000 языковых комбинаций в рамках одной встречи.
Третье отличие — естественность аудио. Google подчёркивает сохранение интонации, темпа и высоты голоса. Это не означает, что перевод будет идеально копировать личность говорящего, но направление понятно: синтез речи становится не просто «прочитать перевод», а передать речь так, чтобы она звучала менее искусственно.
Четвёртое — автоматическая работа с несколькими языками. Модель может определять язык без ручной настройки. Для реальных встреч это важно: участники могут переключаться между языками, в разговоре может быть несколько спикеров, а пользователь не должен каждый раз лезть в настройки.
Пятое — устойчивость к шуму. Google отдельно упоминает работу в громких и непредсказуемых условиях. Для лабораторной демонстрации это не так критично, но для поездок, транспорта, улицы, конференций и рабочих звонков это один из главных факторов.
Где это появится
Google запускает Gemini 3.5 Live Translate сразу в нескольких продуктах, но доступ будет разным.
Для разработчиков модель доступна в публичном превью через Gemini Live API и Google AI Studio. Это значит, что её можно встраивать в собственные приложения: голосовые чаты, сервисы видеосвязи, образовательные платформы, переводчики для мероприятий, корпоративные инструменты.
Для бизнеса модель начнёт появляться в Google Meet в приватном превью для отдельных клиентов Google Workspace. Широкий запуск обещан позже в 2026 году. Здесь наиболее понятный сценарий — международные совещания, где участники говорят на разных языках, а Meet переводит речь прямо во время разговора.
Для обычных пользователей Gemini 3.5 Live Translate будет раскатываться в приложении Google Translate на Android и iOS. В режиме Live translate можно подключить наушники и слушать перевод в более естественном виде. Для Android Google также запускает новый listening mode: телефон можно поднести к уху как при обычном звонке, и перевод будет звучать через разговорный динамик. Это удобно, если нет наушников или не хочется, чтобы перевод слышали окружающие.
Для кого это действительно полезно
Разработчикам новая модель интересна как готовый слой голосового перевода. Раньше для такого продукта нужно было собирать цепочку из нескольких компонентов: распознавание речи, перевод, синтез речи, потоковая передача аудио, обработка задержек, шумоподавление. Теперь Google предлагает более цельный вариант через Gemini Live API.
Компаниям это может быть полезно для встреч, поддержки клиентов и международных команд. Особенно там, где английский используется как рабочий язык, но часть сотрудников или клиентов чувствует себя в нём неуверенно. Живой голосовой перевод не заменит профессионального переводчика на юридических переговорах, но для ежедневных созвонов, демо, онбординга и внутренних обсуждений может быть достаточно практичным.
Обычным пользователям это нужно в поездках, общении с иностранцами, экскурсиях, обучении и бытовых ситуациях. Например, можно слушать перевод речи гида, общаться с водителем или быстрее понимать разговор на другом языке.
Отдельно стоит отметить платформы для real-time communication. Google упоминает интеграции и партнёрские сценарии с Agora, LiveKit, Pipecat и другими инфраструктурными решениями. Это намекает, что технология будет жить не только внутри продуктов Google, но и в сторонних приложениях.
Ограничения и вопросы
Несмотря на сильный анонс, к таким технологиям стоит относиться трезво. «Почти реальное время» всё равно означает задержку. Google говорит о нескольких секундах позади говорящего. Для лекции или экскурсии это нормально. Для быстрых переговоров с перебиваниями — уже сложнее.
Второй вопрос — точность. Чем быстрее модель переводит, тем меньше у неё контекста. В некоторых языках смысл фразы становится понятен только ближе к концу предложения. Поэтому потоковый перевод всегда балансирует между скоростью и качеством.
Третий момент — приватность и корпоративные данные. Если компания хочет использовать голосовой перевод на встречах, ей нужно понимать, как обрабатывается аудио, какие настройки доступны администраторам Workspace и какие политики хранения применяются. Для обычных пользователей это тоже важно, но для бизнеса критично.
Четвёртый вопрос — доступность по регионам и аккаунтам. Google часто запускает такие функции постепенно. Даже если продукт объявлен глобально, конкретная функция может появляться волнами, зависеть от языка интерфейса, страны, типа аккаунта или версии приложения.
Безопасность: SynthID для аудио
Google отдельно отмечает, что аудио, созданное моделью, получает водяной знак SynthID. Это невидимая для слуха метка, которая помогает определять AI-generated audio.
Это важная часть анонса. Чем естественнее становится синтез речи, тем выше риск злоупотреблений: фейковые звонки, поддельные записи, манипуляции в соцсетях. Водяной знак не решает проблему полностью, но создаёт технический механизм для последующего обнаружения искусственно сгенерированного аудио.
Как попробовать
Есть три основных способа.
Первый — Google Translate на Android или iOS. Нужно обновить приложение и проверить функцию Live translate. Google пишет, что раскатка идёт глобально, но доступ может появляться постепенно. Для лучшего опыта стоит использовать наушники. На Android также должен появиться listening mode, где перевод можно слушать через разговорный динамик телефона.
Второй — Google AI Studio и Gemini Live API. Это путь для разработчиков. Через AI Studio можно экспериментировать с моделью, а через API — встраивать голосовой перевод в свои продукты. Если вы делаете приложение с аудиозвонками, онлайн-уроками, конференциями или голосовым ассистентом, это самый интересный вариант.
Третий — Google Meet. Пока это приватное превью для отдельных бизнес-клиентов Google Workspace. Широкий запуск ожидается позже в 2026 году. Если функция станет доступна в вашем Workspace-аккаунте, её нужно искать среди настроек речевого перевода в Meet.
Если для тестов нужен доступ к зарубежным AI-сервисам, Google Workspace, Gemini Advanced или связанным аккаунтам, иногда проще купить готовую подписку или пополнение через plati.market. Но для Google Translate отдельная платная подписка не нужна: базовый пользовательский сценарий должен работать через обычное приложение, когда функция дойдёт до аккаунта.
Что это значит для рынка
Gemini 3.5 Live Translate показывает, куда движется голосовой ИИ: от отдельных инструментов к непрерывным мультимодальным сценариям. Раньше «перевести речь» означало соединить несколько технологий. Теперь это становится одной модельной возможностью: слушать, понимать, переводить и говорить.
Для Google это логичный шаг. У компании есть Google Translate, Meet, Android, Workspace, AI Studio и Gemini API. Если одна модель начинает работать во всех этих местах, технология быстро превращается из демонстрации в привычную функцию.
Для пользователей это может стать моментом, когда голосовой перевод перестанет быть «вау-демо» и начнёт использоваться каждый день. Не идеально, не без ошибок, но достаточно удобно, чтобы включать его на встречах, в поездках и приложениях.
Главный практический вывод: Gemini 3.5 Live Translate — не просто очередное улучшение переводчика. Это попытка сделать живой разговор между людьми на разных языках менее искусственным. Если задержка, качество и доступность окажутся на уровне обещаний, такая функция может стать одной из самых массовых AI-фич 2026 года.
Источник
Google DeepMind / Google Blog: Fluid, natural voice translation with Gemini 3.5 Live Translate