Vous êtes en train de parler à mi-phrase avec quelqu’un qui ne partage pas votre langue, et au lieu de devoir tous les deux vous arrêter pour attendre qu’un téléphone suive, la traduction arrive dans son oreille quelques secondes plus tard, dans une voix qui conserve votre rythme et votre ton. C’est ce que fait Gemini 3.5 Live Translate. Annoncé par Google le 9 juin 2026, il s’agit du modèle audio-à-audio de Google pour la traduction parlée en temps réel dans plus de 70 langues. Il est disponible aujourd’hui à trois endroits : l’application Google Translate, Google Meet et l’API Gemini Live pour les développeurs. Il existe une formule gratuite, et l’utilisation payante coûte environ 0,037 $ par minute d’audio. Si vous avez utilisé l’ancien flux de traduction « parler, attendre, écouter », la différence ici est que la conversation n’a plus besoin de s’arrêter.
Ce qu’est réellement Gemini 3.5 Live Translate
Google le décrit comme un modèle audio-vers-audio qui diffuse directement la parole traduite, plutôt que le flux transcrire-puis-lire-à-voix-haute des anciens outils. Ces anciens outils convertissaient votre parole en texte, traduisaient le texte, puis exécutaient une synthèse vocale, et chaque étape ajoutait une pause. Gemini 3.5 Live Translate traite l'audio pendant qu'il est diffusé et émet en continu de l'audio traduit, restant à quelques secondes derrière vous plutôt que d'attendre que vous terminiez une phrase.
Trois éléments le distinguent d’un traducteur basique. Il détecte automatiquement la langue parlée, de sorte qu’une seule conversation peut passer d’une langue à plus de 70 langues et, dans un cadre de groupe, à plus de 2 000 combinaisons de langues sans que personne n’ait à modifier un réglage. Il préserve l’intonation, le rythme et la hauteur de voix de l’orateur, de sorte que le résultat ressemble à une personne plutôt qu’à une lecture robotisée. Et chaque extrait audio qu’il génère est filigrané avec SynthID, l’outil de Google permettant d’identifier les contenus générés par l’IA. Selon sa fiche de modèle DeepMind, il repose sur l’architecture Gemini 3 Pro, avec une fenêtre d’entrée de 131 072 tokens.
Où vous pouvez l'utiliser dès maintenant
Gemini 3.5 Live Translate n’est pas un produit unique. C’est un seul modèle proposé à trois endroits différents, et la manière dont vous l’« utilisez » dépend de celui auquel vous faites référence.
Dans l’application Google Traduction
Pour une utilisation quotidienne, il est déployé dans le monde entier dans les applications Google Translate sur Android et iOS. Vous ouvrez le mode de traduction en direct, choisissez les langues ou laissez-les être détectées, puis parlez. Sur Android, il existe un nouveau mode d’écoute qui diffuse la traduction par l’écouteur du téléphone, de sorte qu’une conversation en tête-à-tête ressemble davantage au port d’un casque d’interprète qu’au fait de se passer le téléphone de main en main.
Dans Google Meet
Dans Google Meet, la traduction vocale alimentée par ce modèle est en préversion privée pour les clients enterprise. Le progrès est considérable : la traduction précédente de Meet prenait en charge environ cinq langues, et la nouvelle version porte ce chiffre à plus de 70 langues et plus de 2 000 paires de langues dans une seule réunion. Chaque participant entend la discussion dans sa propre langue pendant que les gens continuent de parler.
Via l’API Gemini Live
Pour les développeurs, le modèle est en aperçu public sur le Gemini Live API et dans Google AI Studio. C’est la voie à suivre si vous intégrez la traduction dans votre propre application, centre d’appels ou produit de streaming. Google a déjà mis en place des intégrations avec des plateformes audio en temps réel, notamment Agora, LiveKit, Fishjam, Pipecat et Vision Agents, et Grab le teste pour les appels entre conducteurs et passagers sur un réseau qui traite plus de 10 millions d’appels vocaux par mois.
Appeler l’API en direct
L’ID du modèle est gemini-3.5-live-translate-preview. Vous vous connectez via le WebSocket de l’API Live (directement, ou via le SDK GenAI pour Python et JavaScript) et diffusez l’audio dans les deux sens. Une configuration Python minimale ressemble à ceci :
```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={}, # renvoyer également le texte ), )
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) # PCM 16 kHz, ~100 ms async for msg in session.receive(): play(msg.data) # audio traduit 24 kHz ```
Le format audio est spécifique et mérite d’être correct avant de déboguer quoi que ce soit d’autre. L’entrée est du PCM brut 16 bits à 16 kHz, mono, little-endian ; la sortie revient en PCM brut 16 bits à 24 kHz, mono. Envoyez l’audio de votre microphone par paquets d’environ 100 ms. Le comportement de traduction est défini avec un bloc translationConfig (référence complète dans la documentation de Google) :
targetLanguageCode: le code BCP-47 dans lequel vous souhaitez obtenir le résultat (obligatoire).echoTargetLanguage: indique s’il faut répéter l’audio qui est déjà dans la langue cible.inputAudioTranscription/outputAudioTranscription: activez ces विकल्प pour recevoir également des transcriptions textuelles de ce qui est entré et de ce qui est sorti.
Comme il s’agit d’un modèle axé sur la traduction, une grande partie de la boîte à outils générale Gemini est désactivée : pas d’appel de fonction, pas de raisonnement, pas de sorties structurées, pas de mise en cache, pas d’ancrage de recherche. Il prend de l’audio en entrée et fournit de l’audio traduit en sortie (ainsi que des transcriptions facultatives), et rien d’autre. Les sessions utilisent des jetons éphémères avec une fenêtre d’expiration de 30 minutes, ce qui est important si vous transmettez des identifiants à un client navigateur.
Tarification de Gemini 3.5 Live Translate
Il existe un véritable niveau gratuit pendant l’aperçu public : les entrées et les sorties sont gratuites (soumises aux limites de débit habituelles de l’aperçu), ce qui suffit pour prototyper l’ensemble du flux avant de vous engager.
Dans l’offre payante, la facturation se fait par jeton audio, à raison de 25 jetons par seconde d’audio :
| Modèle | Entrée (par 1M tokens) | Sortie (par 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 |
Ensemble, Live Translate revient à environ 0,037 $ par minute d’audio traduit. Notez qu’il s’agit du tarif par flux audio : une conversation bidirectionnelle de 30 minutes facture à la fois les flux entrants et sortants, donc prévoyez de l’ordre d’un ou deux dollars plutôt que de le considérer comme un montant fixe par appel. Le modèle Gemini 3.1 Flash Live, moins cher, existe, mais c’est un modèle audio en direct généraliste, et non un modèle optimisé pour la traduction à faible latence et préservant l’intonation pour laquelle celui-ci a été conçu. L’écart de prix vous achète de la qualité de traduction, pas seulement des tokens. Les chiffres proviennent de la page de tarification pour développeurs de Google, consultée le 15 juillet 2026.
Les limites à connaître avant de vous y fier
La fiche modèle de Google elle-même est ici d’une franchise inhabituelle, et ces éléments sont suffisamment réels pour qu’on puisse les prendre en compte dans la planification plutôt que de les écarter.
La voix synthétisée peut être incohérente. Elle peut changer après de longues pauses, modifier le genre apparent, ou rester bloquée sur une seule voix lors d’échanges rapides entre plusieurs intervenants, de sorte qu’une réunion rapide à quatre personnes la met davantage à l’épreuve qu’une conversation calme à deux. La détection de la langue est l’autre point faible : elle a du mal avec de forts accents non natifs, des langues très proches et des changements rapides de langue au milieu d’une phrase. Le bruit de fond est filtré mais pas parfaitement, et un bruit important peut introduire des artefacts dans l’audio traduit. Enfin, l’aperçu de l’API accepte actuellement uniquement une entrée audio, sans chemin d’entrée textuelle, et l’ensemble porte un statut d’aperçu, ce qui signifie que le comportement et la disponibilité peuvent encore changer.
Aucun de ces points n’est rédhibitoire pour une conversation tranquille en tête-à-tête. Ce sont des éléments à tester avant de le mettre devant une salle de conférence bruyante ou un centre d’appels.
Comment il se compare à vos autres options
Si vous choisissez ce vers quoi vous tourner, trois questions permettent d’y voir clair :
- Décontracté, en personne, les deux personnes sur leurs téléphones ? L’application Google Translate est gratuite et ne nécessite aucune configuration. C’est le choix évident.
- Une réunion multilingue ? La traduction d’entreprise de Google Meet est la solution, une fois que votre organisation a accès à l’aperçu.
- Intégrer la traduction à votre propre produit ? La Live API est la seule option qui vous donne un contrôle programmatique, et les tarifs ci-dessus sont ceux sur lesquels vous baser pour votre budget.
Par rapport à l’ancienne approche à tour de rôle (parler, attendre le bip, écouter), le modèle continu représente une véritable rupture dans le déroulement de la conversation. Par rapport à un interprète humain, il est bien moins coûteux et instantanément disponible dans des dizaines de langues, mais un professionnel l’emporte toujours sur la nuance, les expressions idiomatiques et la précision dans les situations à forts enjeux, comme le montrent clairement les limites ci-dessus.
Si vous intégrez cela dans un produit, n’oubliez pas que la couche vocale et la couche texte sont facturées séparément : la traduction provient de l’API Live de Google, tandis que tout résumé ou extraction d’éléments d’action effectué ensuite s’exécute sur un modèle de texte que vous choisissez indépendamment, où les tarifs des API varient considérablement selon le fournisseur.
Lectures associées
- Guide des tarifs et de l'API Gemini Omni Flash pour l'autre modèle multimodal en temps réel de Google.
- Tarifs de l'API OpenAI Realtime si vous comparez les coûts à la minute entre les fournisseurs de voix en direct.
FAQ
Comment activer la traduction en direct dans Google Translate ?
Ouvrez l'application Google Translate sur Android ou iOS, choisissez le mode Live ou conversation, et sélectionnez vos deux langues ou laissez l'application les détecter automatiquement. Sur Android, activez le mode écoute pour entendre la traduction via l'écouteur.
Combien de langues Gemini 3.5 Live Translate prend-il en charge ?
Il détecte automatiquement plus de 70 langues, et dans un cadre de groupe, il peut gérer plus de 2 000 paires de langues au sein d’une seule conversation.
Gemini 3.5 Live Translate est-il gratuit ?
Oui, il existe une offre gratuite pour l’entrée et la sortie. L’utilisation payante de la Live API coûte environ 0,037 $ par minute d’audio (3,50 $ par 1 million de tokens d’entrée, 21,00 $ par 1 million de tokens de sortie).
Puis-je l’utiliser sur iPhone et Android ?
Oui. Le déploiement de l'application Google Translate couvre à la fois iOS et Android, bien que le mode d'écoute via l'écouteur soit une fonctionnalité Android au lancement.
Que se passe-t-il lorsqu'il détecte la mauvaise langue ?
Comme la détection est automatique, les accents marqués, les langues étroitement apparentées ou les changements rapides de langue peuvent entraîner une mauvaise identification au milieu de la conversation, et la voix traduite peut aussi changer ou changer de genre après de longues pauses. Dans un échange calme en tête-à-tête, cela se produit rarement ; dans un environnement bruyant ou rapide avec plusieurs intervenants, testez-le avant de vous y fier.
Choisissez l’application Translate pour les conversations personnelles, Meet pour les équipes multilingues, et la Live API lorsque vous avez besoin de la traduction dans un logiciel que vous contrôlez. Quel que soit votre choix, prototypez d’abord avec le niveau gratuit avant de vous engager.