AIREITEREin Gespräch über Sprachgrenzen hinweg, ohne dass nach jedem Satz beide auf ein Smartphone warten müssen: Genau dafür ist Gemini 3.5 Live Translate gedacht. Das von Google am 9. Juni 2026 angekündigte Audio-zu-Audio-Modell übersetzt gesprochene Sprache in Echtzeit in mehr als 70 Sprachen. Die Ausgabe erreicht das Gegenüber wenige Sekunden später – mit einer Stimme, die Tempo und Tonfall des Sprechers beibehält. Aktuell steckt das Modell in drei Produkten: der Google-Translate-App, Google Meet und der Gemini Live API für Entwickler. Einen kostenlosen Tarif gibt es ebenfalls; die kostenpflichtige Nutzung liegt bei rund 0,037 US-Dollar pro Audiominute. Gegenüber dem alten Muster „sprechen, warten, zuhören“ muss das Gespräch also nicht mehr ständig pausieren.
Was Gemini 3.5 Live Translate technisch anders macht
Google bezeichnet Gemini 3.5 Live Translate als Audio-zu-Audio-Modell: Die übersetzte Sprache wird direkt als Stream ausgegeben. Ältere Tools folgten meist einer Kette aus Transkription, Textübersetzung und Sprachausgabe. Jeder dieser Schritte kostete Zeit. Das neue Modell verarbeitet den Audiostream fortlaufend und liefert ebenfalls kontinuierlich übersetztes Audio. Es bleibt nur wenige Sekunden hinter dem Sprecher zurück, statt erst auf das Satzende zu warten.
Von einem einfachen Übersetzer hebt es sich in drei Punkten ab. Erstens erkennt es die gesprochene Sprache automatisch. So kann ein Gespräch zwischen mehr als 70 Sprachen wechseln; in Gruppen sind über 2.000 Sprachkombinationen möglich, ohne dass jemand Einstellungen ändern muss. Zweitens bleiben Intonation, Sprechtempo und Tonhöhe erhalten, wodurch die Ausgabe weniger nach maschineller Ansage klingt. Drittens trägt jedes erzeugte Audiostück ein SynthID-Wasserzeichen, Googles Kennzeichnung für KI-generierte Medien. Laut DeepMind Model Card basiert das Modell auf der Gemini-3-Pro-Architektur und verfügt über ein Eingabefenster von 131.072 Tokens.
Hier ist Live Translate bereits verfügbar
Gemini 3.5 Live Translate ist kein eigenständiges Produkt, sondern ein Modell, das an drei Stellen angeboten wird. Wie du es nutzt, hängt deshalb vom jeweiligen Einsatzbereich ab.
Google Translate für Android und iOS
Für alltägliche Gespräche wird die Funktion weltweit in den Google-Translate-Apps für Android und iOS eingeführt. Du öffnest den Live-Übersetzungsmodus, wählst die Sprachen aus oder lässt sie automatisch erkennen und sprichst los. Android erhält zusätzlich einen neuen Zuhörmodus: Die Übersetzung läuft über den Telefonhörer. Dadurch wirkt ein Gespräch zu zweit eher wie mit einem Dolmetscher im Ohr als wie das ständige Weiterreichen eines Smartphones.
Sprachübersetzung in Google Meet
In Google Meet befindet sich die vom Modell unterstützte Sprachübersetzung für Unternehmenskunden in einer privaten Vorschau. Der Sprung gegenüber der bisherigen Lösung ist deutlich: Früher unterstützte Meet etwa fünf Sprachen, die neue Version mehr als 70 Sprachen und über 2.000 Sprachpaare innerhalb eines Meetings. Teilnehmer hören die Unterhaltung in ihrer eigenen Sprache, während die anderen weiterreden.
Integration über die Gemini Live API
Entwickler finden das Modell als öffentliche Vorschau über die Gemini Live API und in Google AI Studio. Das ist der passende Weg, wenn du Übersetzungen in eine eigene App, ein Callcenter oder ein Streaming-Produkt integrieren willst. Google hat bereits Integrationen mit Echtzeit-Audioplattformen wie Agora, LiveKit, Fishjam, Pipecat und Vision Agents angekündigt. Grab testet das Modell für Gespräche zwischen Fahrern und Fahrgästen in einem Netzwerk mit mehr als 10 Millionen Sprachanrufen pro Monat.
Die Live API ansprechen
Die Modell-ID lautet gemini-3.5-live-translate-preview. Die Verbindung läuft über WebSocket in der Live API – direkt oder über das GenAI SDK für Python und JavaScript – und streamt Audio in beide Richtungen. Ein minimales Python-Setup sieht so aus:
from google import genai
from google.genai import types
client = genai.Client()
config = types.LiveConnectConfig(
response_modalities=["AUDIO"],
translation_config=types.TranslationConfig(
target_language_code="es-US", # BCP-47 target
output_audio_transcription={}, # also return text
),
)
async with client.aio.live.connect(
model="gemini-3.5-live-translate-preview", config=config
) as session:
await session.send_realtime_input(audio=mic_chunk) # 16 kHz PCM, ~100 ms
async for msg in session.receive():
play(msg.data) # 24 kHz translated audioBeim Audioformat lohnt es sich, vor jedem weiteren Debugging genau hinzusehen. Als Eingabe erwartet die API rohes 16-Bit-PCM mit 16 kHz, Mono und Little Endian. Zurück kommt rohes 16-Bit-PCM mit 24 kHz, ebenfalls Mono. Sende Mikrofon-Audio in Blöcken von ungefähr 100 ms. Das Übersetzungsverhalten definierst du über einen translationConfig-Block (vollständige Referenz in Googles Dokumentation):
targetLanguageCode: der BCP-47-Code der gewünschten Ausgabesprache (erforderlich).echoTargetLanguage: legt fest, ob Audio wiederholt werden soll, das bereits in der Zielsprache vorliegt.inputAudioTranscription/outputAudioTranscription: aktivieren, wenn zusätzlich Texttranskripte für Ein- und Ausgabe geliefert werden sollen.
Da es sich um ein auf Übersetzung spezialisiertes Modell handelt, ist ein großer Teil des allgemeinen Gemini-Werkzeugsatzes deaktiviert: kein Function Calling, kein Thinking, keine strukturierten Ausgaben, kein Caching und kein Search Grounding. Es nimmt Audio entgegen und gibt übersetztes Audio aus – optional samt Transkripten, aber ohne weitere Funktionen. Sitzungen verwenden kurzlebige Tokens mit einem Ablaufzeitraum von 30 Minuten. Das ist besonders relevant, wenn Zugangsdaten an einen Browser-Client weitergegeben werden.
Preise für Gemini 3.5 Live Translate
Während der öffentlichen Vorschau gibt es tatsächlich einen kostenlosen Tarif: Ein- und Ausgabe sind gratis, vorbehaltlich der üblichen Rate Limits für Vorschauen. Das reicht aus, um den gesamten Ablauf zu prototypisieren, bevor Kosten entstehen.
Im kostenpflichtigen Tarif wird pro Audio-Token abgerechnet, bei 25 Tokens je Audiosekunde:
| Modell | Eingabe (pro 1 Mio. Tokens) | Ausgabe (pro 1 Mio. Tokens) |
|---|---|---|
| Gemini 3.5 Live Translate | $3.50 (~$0.0053/Min.) | $21.00 (~$0.0315/Min.) |
| Gemini 3.1 Flash Live | $3.00 (~$0.005/Min.) | $12.00 (~$0.018/Min.) |
| Gemini 2.5 Flash Native Audio | $3.00 | $12.00 |
Zusammengenommen ergeben sich für Live Translate rund $0.037 pro Minute übersetztes Audio. Wichtig: Das gilt pro Audiostream. Bei einem zweiseitigen Gespräch von 30 Minuten werden sowohl ein- als auch ausgehende Streams berechnet. Plane daher eher mit ein oder zwei Dollar statt mit einem festen Preis pro Anruf. Das günstigere Gemini 3.1 Flash Live existiert zwar, ist aber ein allgemeines Live-Audio-Modell und nicht auf die hier entscheidende Kombination aus geringer Latenz und erhaltener Intonation optimiert. Der Preisunterschied bezahlt Übersetzungsqualität, nicht bloß Tokens. Die Angaben stammen von Googles Entwickler-Preisseite und wurden am 15. Juli 2026 geprüft.
Diese Einschränkungen solltest du einplanen
Googles eigene Model Card geht ungewöhnlich offen mit den Grenzen des Modells um. Das sind keine Details, die man ignorieren sollte, sondern Punkte für die Praxisplanung.
Die synthetisierte Stimme kann uneinheitlich sein. Nach längeren Pausen kann sie sich verändern, ein anderes wahrgenommenes Geschlecht annehmen oder bei schnellen Wechseln zwischen mehreren Sprechern auf einer Stimme hängen bleiben. Ein hektisches Meeting mit vier Personen fordert das System also stärker als ein ruhiges Gespräch zu zweit. Auch die Spracherkennung hat Schwächen: Starke nicht-muttersprachliche Akzente, eng verwandte Sprachen und schnelle Sprachwechsel mitten im Satz können Probleme verursachen. Hintergrundgeräusche werden gefiltert, aber nicht perfekt; bei viel Lärm können Artefakte im übersetzten Audio entstehen. Zudem akzeptiert die API-Vorschau derzeit nur Audio als Eingabe, keinen Text. Und weil alles noch Vorschau-Status hat, können sich Verhalten und Verfügbarkeit weiterhin ändern.
Für ein ruhiges Gespräch unter vier Augen sind das keine Ausschlusskriterien. Bevor du das Modell jedoch in einem lauten Konferenzraum oder Callcenter einsetzt, solltest du genau diese Szenarien testen.
Welche Option für welchen Einsatz passt
Drei Fragen helfen bei der Auswahl:
- Ungezwungenes Gespräch vor Ort, beide mit Smartphone? Die Google-Translate-App ist kostenlos und braucht keine Einrichtung. Das ist die naheliegende Wahl.
- Mehrsprachiges Meeting? Sobald deine Organisation Zugriff auf die Vorschau hat, führt der Weg über die Unternehmensübersetzung von Google Meet.
- Übersetzung im eigenen Produkt? Nur die Live API bietet programmatische Kontrolle. Die oben genannten Preise sind dann die Grundlage für dein Budget.
Verglichen mit dem früheren turnbasierten Ablauf – sprechen, auf den Signalton warten, zuhören – verbessert das kontinuierliche Modell den Gesprächsfluss spürbar. Gegenüber menschlichen Dolmetschern ist es deutlich günstiger und sofort in Dutzenden Sprachen verfügbar. Bei Nuancen, Idiomen und hochkritischer Genauigkeit bleibt ein Profi jedoch überlegen. Die genannten Einschränkungen zeigen auch warum.
Wenn du die Funktion in ein Produkt einbaust, solltest du Sprach- und Textebene getrennt kalkulieren: Die Übersetzung kommt über Googles Live API. Zusammenfassungen oder das Extrahieren von Aufgaben danach laufen dagegen auf einem separat ausgewählten Textmodell, dessen API-Preise je nach Anbieter stark variieren.
Weiterführende Artikel
- Gemini Omni Flash: Preise und API-Leitfaden zu Googles anderem multimodalen Echtzeitmodell.
- OpenAI Realtime API pricing, wenn du Minutenpreise verschiedener Live-Voice-Anbieter vergleichst.
FAQ
Wie aktiviere ich Live Translate in Google Translate?
Öffne die Google-Translate-App auf Android oder iOS, wähle den Live- oder Konversationsmodus und stelle deine beiden Sprachen ein – oder überlasse die Erkennung der App. Unter Android aktivierst du den Zuhörmodus, um die Übersetzung über den Telefonhörer zu hören.
Wie viele Sprachen unterstützt Gemini 3.5 Live Translate?
Das Modell erkennt automatisch mehr als 70 Sprachen. In Gruppensituationen kann es innerhalb eines einzelnen Gesprächs über 2.000 Sprachpaare verarbeiten.
Ist Gemini 3.5 Live Translate kostenlos?
Ja. Für Ein- und Ausgabe gibt es einen kostenlosen Tarif. Die kostenpflichtige Nutzung über die Live API kostet rund $0.037 pro Audiominute ($3.50 pro 1 Mio. Input-Tokens, $21.00 pro 1 Mio. Output-Tokens).
Kann ich es auf iPhone und Android verwenden?
Ja. Die Einführung in der Google-Translate-App umfasst iOS und Android. Der Zuhörmodus über den Telefonhörer ist zum Start allerdings eine Android-Funktion.
Was passiert, wenn die falsche Sprache erkannt wird?
Da die Erkennung automatisch erfolgt, können starke Akzente, eng verwandte Sprachen oder schnelle Sprachwechsel während eines Gesprächs zu einer falschen Zuordnung führen. Auch die übersetzte Stimme kann sich nach längeren Pausen verändern oder das Geschlecht wechseln. In einem ruhigen Gespräch zu zweit tritt das selten auf; in lauten Umgebungen oder bei schnellen Wechseln zwischen mehreren Sprechern solltest du es vor dem Einsatz testen.
Für persönliche Gespräche ist die Translate-App die richtige Wahl, für mehrsprachige Teams Meet und für Übersetzungen in selbst kontrollierter Software die Live API. Unabhängig vom Szenario solltest du zunächst mit dem kostenlosen Tarif prototypisieren.