Estás a mitad de una frase con alguien que no comparte tu idioma, y en vez de que ambos tengan que detenerse a esperar a que un teléfono se ponga al día, la traducción llega a su oído un par de segundos después, con una voz que mantiene tu ritmo y tono. Eso es lo que hace Gemini 3.5 Live Translate. Anunciado por Google el 9 de junio de 2026, es el modelo de audio a audio de Google para traducción oral en tiempo real en más de 70 idiomas. Hoy aparece en tres lugares: la app Google Translate, Google Meet y la Gemini Live API para desarrolladores. Hay un nivel gratuito, y el uso de pago cuesta alrededor de $0.037 por minuto de audio. Si has usado el antiguo flujo de traducción de "habla, espera, escucha", el cambio aquí es que la conversación ya no tiene que detenerse.
Qué es realmente Gemini 3.5 Live Translate
Google lo describe como un modelo de audio a audio que transmite el habla traducida directamente, en lugar del flujo transcribir y luego leer en voz alta de las herramientas anteriores. Esas herramientas anteriores convertían tu habla en texto, traducían el texto y luego ejecutaban texto a voz, y cada paso añadía una pausa. Gemini 3.5 Live Translate procesa el audio mientras se transmite y emite audio traducido de forma continua, manteniéndose unos segundos por detrás de ti en lugar de esperar a que termines una frase.
Tres cosas lo distinguen de un traductor básico. Detecta automáticamente el idioma que se está hablando, por lo que una sola conversación puede abarcar más de 70 idiomas y, en un entorno de grupo, más de 2,000 combinaciones de idiomas sin que nadie cambie una configuración. Conserva la entonación, el ritmo y el tono del hablante, por lo que el resultado suena como una persona en lugar de una lectura robótica. Y cada fragmento de audio que genera está marcado con una marca de agua de SynthID, la herramienta de Google para identificar contenido generado por IA. Según su tarjeta del modelo de DeepMind, está construido sobre la arquitectura de Gemini 3 Pro, con una ventana de entrada de 131,072 tokens.
Donde puedes usarlo ahora mismo
Gemini 3.5 Live Translate no es un solo producto. Es un único modelo disponible en tres lugares diferentes, y cómo lo "usas" depende de a cuál te refieras.
En la aplicación Google Translate
Para el uso cotidiano, se está desplegando a nivel mundial en las aplicaciones de Google Translate para Android e iOS. Abres el modo de traducción en vivo, eliges o dejas que detecte los idiomas, y hablas. En Android hay un nuevo modo de escucha que reproduce la traducción a través del auricular del teléfono, de modo que una conversación uno a uno se siente más parecida a llevar el auricular de un intérprete que a ir pasando el teléfono de un lado a otro.
En Google Meet
Dentro de Google Meet, la traducción de voz impulsada por este modelo está en vista previa privada para clientes empresariales. El salto es significativo: la traducción anterior de Meet admitía aproximadamente cinco idiomas, y la nueva versión amplía eso a más de 70 idiomas y más de 2.000 combinaciones de idiomas en una sola reunión. Cada participante escucha la conversación en su propio idioma mientras las personas siguen hablando.
A través de la API Gemini Live
Para los desarrolladores, el modelo está en vista previa pública en la Gemini Live API y en Google AI Studio. Esta es la vía si estás incorporando traducción en tu propia app, centro de llamadas o producto de streaming. Google ya ha preparado integraciones con plataformas de audio en tiempo real, incluidas Agora, LiveKit, Fishjam, Pipecat y Vision Agents, y Grab lo está probando para llamadas entre conductores y pasajeros en una red que gestiona más de 10 millones de llamadas de voz al mes.
Llamando a la API en vivo
El ID del modelo es gemini-3.5-live-translate-preview. Te conectas a través del WebSocket de la Live API (directamente, o mediante el GenAI SDK para Python y JavaScript) y transmites audio en ambos sentidos. Una configuración mínima en Python se ve así:
```python 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={}, # también devolver texto ), )
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 audio ```
El formato de audio es específico y conviene hacerlo bien antes de depurar cualquier otra cosa. La entrada es PCM crudo de 16 bits a 16 kHz, mono, little-endian; la salida se devuelve como PCM crudo de 16 bits a 24 kHz, mono. Envía el audio de tu micrófono en fragmentos de aproximadamente 100 ms. El comportamiento de la traducción se configura con un bloque translationConfig (referencia completa en la documentación de Google):
targetLanguageCode: el código BCP-47 en el que deseas la salida (requerido).echoTargetLanguage: si se debe repetir el audio que ya está en el idioma de destino.inputAudioTranscription/outputAudioTranscription: actívalos para recibir también transcripciones de texto de lo que entró y lo que salió.
Debido a que este es un modelo centrado en la traducción, gran parte del kit de herramientas general de Gemini está desactivado: sin llamada a funciones, sin razonamiento, sin salidas estructuradas, sin caché, sin grounding de búsqueda. Recibe audio de entrada y devuelve audio traducido (además de transcripciones opcionales) de salida, y nada más. Las sesiones usan tokens efímeros con una ventana de caducidad de 30 minutos, lo cual importa si estás entregando credenciales a un cliente de navegador.
Precios de Gemini 3.5 Live Translate
Hay un nivel gratuito genuino durante la vista previa pública: la entrada y la salida son gratuitas (sujetas a los límites de tasa habituales de la vista previa), lo que es suficiente para prototipar todo el flujo antes de comprometerte.
En el plan de pago, la facturación se realiza por token de audio a 25 tokens por segundo de audio:
| Modelo | Entrada (por 1M tokens) | Salida (por 1M 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 |
En conjunto, Live Translate cuesta aproximadamente $0.037 por minuto de audio traducido. Tenga en cuenta que esto es por flujo de audio: una conversación bidireccional de 30 minutos factura tanto el flujo de entrada como el de salida, así que presupuestar en el orden de uno o dos dólares es más acertado que tratarlo como una cifra fija por llamada. Existe el modelo Gemini 3.1 Flash Live, más barato, pero es un modelo general de audio en vivo, no uno ajustado para la traducción de baja latencia y que preserva la entonación para la que está diseñado este. La diferencia de precio le compra calidad de traducción, no solo tokens. Las cifras provienen de la página de precios para desarrolladores de Google, verificada el 15 de julio de 2026.
Los límites que vale la pena conocer antes de confiar en ello
La propia tarjeta de modelo de Google es inusualmente franca aquí, y estos son lo bastante reales como para planificar en torno a ellos en lugar de descartarlos.
La voz sintetizada puede ser inconsistente. Puede cambiar después de pausas largas, cambiar el género aparente o quedarse atascada en una sola voz durante intercambios rápidos con varios hablantes; por eso, una reunión rápida de cuatro personas la pone más a prueba que una charla tranquila de dos personas. La detección de idioma es el otro punto débil: le cuesta con acentos no nativos marcados, idiomas estrechamente relacionados y cambios rápidos entre idiomas a mitad de frase. El ruido de fondo se filtra, pero no perfectamente, y el ruido intenso puede introducir artefactos en el audio traducido. Por último, la vista previa de la API actualmente acepta solo entrada de audio, sin entrada de texto, y todo el conjunto tiene estado de vista previa, lo que significa que el comportamiento y la disponibilidad aún pueden cambiar.
Ninguno de estos es un impedimento para una conversación tranquila entre dos personas. Son cosas que debes probar antes de ponerlo delante de una sala de conferencias ruidosa o de un centro de llamadas.
Cómo se compara con tus otras opciones
Si estás eligiendo a qué recurrir, tres preguntas lo aclaran:
- ¿Informal, en persona, con ambos usando teléfonos? La versión de la app de Google Translate es gratuita y no requiere configuración. Es la opción obvia.
- ¿Una reunión multilingüe? La traducción empresarial de Google Meet es el camino, una vez que tu organización tenga acceso a la vista previa.
- ¿Incorporar la traducción en tu propio producto? La Live API es la única opción que te ofrece control programático, y el precio anterior es el que debes tomar como referencia para tu presupuesto.
Frente al enfoque anterior basado en turnos (hablar, esperar el pitido, escuchar), el modelo continuo supone un verdadero cambio de paradigma para el flujo de la conversación. Frente a un intérprete humano, es mucho más barato y está disponible al instante en decenas de idiomas, pero un profesional sigue siendo mejor en matices, modismos y precisión en situaciones de alto riesgo, algo que las limitaciones anteriores dejan claro.
Si estás integrando esto en un producto, recuerda que la capa de voz y la capa de texto son facturas separadas: la traducción proviene de la Live API de Google, mientras que cualquier resumen o extracción de elementos de acción posterior se ejecuta en un modelo de texto que eliges de forma independiente, donde los precios de API varían ampliamente según el proveedor.
Lecturas relacionadas
- Guía de precios y API de Gemini Omni Flash para el otro modelo multimodal en tiempo real de Google.
- Precios de la API Realtime de OpenAI si está comparando costes por minuto entre proveedores de voz en vivo.
Preguntas frecuentes
¿Cómo activo la traducción en vivo en Google Translate?
Abre la aplicación Google Translate en Android o iOS, elige el modo en vivo o de conversación y selecciona tus dos idiomas, o deja que la aplicación los detecte automáticamente. En Android, activa el modo de escucha para oír la traducción a través del auricular.
¿Cuántos idiomas admite Gemini 3.5 Live Translate?
Detecta automáticamente más de 70 idiomas, y en un entorno de grupo puede manejar más de 2.000 pares de idiomas dentro de una sola conversación.
¿Gemini 3.5 Live Translate es gratis?
Sí, hay un plan gratuito tanto para la entrada como para la salida. El uso de pago en la Live API cuesta aproximadamente $0.037 por minuto de audio ($3.50 por 1M tokens de entrada, $21.00 por 1M tokens de salida).
¿Puedo usarlo en iPhone y Android?
Sí. El despliegue de la aplicación Google Translate abarca tanto iOS como Android, aunque el modo de escucha con auricular es una función de Android en el lanzamiento.
¿Qué sucede cuando detecta el idioma incorrecto?
Como la detección es automática, los acentos fuertes, los idiomas estrechamente relacionados o los cambios rápidos de idioma pueden provocar una suposición errónea a mitad de la conversación, y la voz traducida también puede cambiar o modificar de género después de pausas largas. En una conversación tranquila entre dos personas, rara vez falla; en un entorno ruidoso o rápido con varios interlocutores, pruébalo antes de depender de ello.
Elija la aplicación Translate para conversaciones personales, Meet para equipos multilingües y la Live API cuando necesite traducción dentro de software que usted controla. Elija lo que elija, haga un prototipo en el nivel gratuito antes de comprometerse.