AIREITERParlare con qualcuno che non conosce la nostra lingua di solito significa interrompersi di continuo: si parla, si aspetta il telefono, poi si ascolta la traduzione. Gemini 3.5 Live Translate cambia questa dinamica. Annunciato da Google il 9 giugno 2026, è un modello audio-to-audio che traduce il parlato in tempo reale in oltre 70 lingue, mantenendo ritmo e tono della voce e arrivando con pochi secondi di ritardo. Oggi è disponibile in tre contesti: l'app Google Translate, Google Meet e la Gemini Live API per sviluppatori. Esiste un livello gratuito, mentre l'uso a pagamento costa circa $0.037 al minuto di audio.
Cos'è davvero Gemini 3.5 Live Translate
Google lo definisce un modello audio-to-audio che invia direttamente l'audio tradotto in streaming. È un approccio diverso dai traduttori tradizionali, che prima trascrivono il parlato, poi traducono il testo e infine lo leggono con una voce sintetica: ogni passaggio aggiunge una pausa. Gemini 3.5 Live Translate elabora invece l'audio mentre arriva e produce la traduzione in modo continuo, restando qualche secondo indietro rispetto al parlato senza attendere la fine della frase.
Rispetto a un traduttore di base, ci sono tre differenze importanti. Rileva automaticamente la lingua, quindi una conversazione può passare fra oltre 70 lingue e, in un gruppo, fra più di 2.000 combinazioni linguistiche senza modificare impostazioni. Cerca inoltre di mantenere intonazione, ritmo e altezza della voce di chi parla, per un risultato meno meccanico. Tutto l'audio generato include infine un watermark SynthID, lo strumento di Google per identificare i contenuti creati dall'AI. Secondo la sua model card di DeepMind, si basa sull'architettura Gemini 3 Pro e dispone di una finestra di input da 131,072 token.
Dove è già possibile usarlo
Gemini 3.5 Live Translate non è un prodotto a sé stante: è lo stesso modello esposto in tre ambienti diversi. Il modo d'uso cambia quindi in base al servizio scelto.
Nell'app Google Translate
Per le conversazioni quotidiane, il rollout è globale nelle app Google Translate per Android e iOS. Basta aprire la modalità Live translate, scegliere le lingue oppure lasciare che vengano rilevate automaticamente, quindi iniziare a parlare. Su Android è disponibile una nuova modalità di ascolto che riproduce la traduzione nell'auricolare del telefono: in un dialogo uno a uno, l'esperienza ricorda più una cuffia da interprete che il continuo passaggio dello smartphone da una persona all'altra.
In Google Meet
In Google Meet, la traduzione del parlato basata su questo modello è in anteprima privata per i clienti enterprise. Il salto rispetto al passato è rilevante: la traduzione precedente di Meet supportava circa cinque lingue, mentre la nuova versione arriva a oltre 70 lingue e più di 2.000 coppie linguistiche nella stessa riunione. Ogni partecipante ascolta la discussione nella propria lingua, senza bloccare il flusso della conversazione.
Tramite Gemini Live API
Per gli sviluppatori, il modello è in anteprima pubblica nella Gemini Live API e in Google AI Studio. È la strada da seguire per integrare la traduzione in un'app proprietaria, in un call center o in un prodotto di streaming. Google ha già previsto integrazioni con piattaforme audio in tempo reale come Agora, LiveKit, Fishjam, Pipecat e Vision Agents; Grab lo sta testando per le chiamate fra conducenti e passeggeri su una rete che gestisce oltre 10 milioni di chiamate vocali al mese.
Come chiamare la Live API
L'ID del modello è gemini-3.5-live-translate-preview. La connessione avviene via WebSocket della Live API, direttamente oppure attraverso il GenAI SDK per Python e JavaScript, con audio in streaming in entrambe le direzioni. Una configurazione Python essenziale è questa:
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 audioPrima di cercare problemi altrove, conviene rispettare il formato audio richiesto. L'input deve essere PCM raw a 16 bit, 16 kHz, mono e little-endian; l'output ritorna come PCM raw a 16 bit, 24 kHz e mono. L'audio del microfono va inviato in blocchi di circa 100 ms. Il comportamento della traduzione si configura tramite un blocco translationConfig (riferimento completo nella documentazione Google):
targetLanguageCode: il codice BCP-47 della lingua di output desiderata, obbligatorio.echoTargetLanguage: stabilisce se ripetere l'audio già nella lingua di destinazione.inputAudioTranscription/outputAudioTranscription: attivandoli si ricevono anche le trascrizioni testuali dell'audio in ingresso e in uscita.
Essendo un modello pensato specificamente per la traduzione, molte funzioni generali di Gemini sono disattivate: niente function calling, thinking, output strutturati, caching o grounding tramite ricerca. Riceve audio e restituisce audio tradotto, con trascrizioni facoltative, senza altre funzioni. Le sessioni usano token effimeri con una finestra di scadenza di 30 minuti: un dettaglio importante quando si passano credenziali a un client nel browser.
Prezzi di Gemini 3.5 Live Translate
Durante l'anteprima pubblica è disponibile un vero livello gratuito: input e output non hanno costi, nei consueti limiti di frequenza previsti per le preview. È sufficiente per prototipare l'intero flusso prima di impegnarsi su un piano a pagamento.
Nel livello a pagamento, la fatturazione avviene per token audio, al ritmo di 25 token al secondo di audio:
| Modello | Input (per 1M token) | Output (per 1M token) |
|---|---|---|
| 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 |
Nel complesso, Live Translate costa circa $0.037 al minuto di audio tradotto. Attenzione: il prezzo si applica a ogni flusso audio. Una conversazione bidirezionale di 30 minuti fattura quindi sia il flusso in ingresso sia quello in uscita; è più realistico preventivare nell'ordine di uno o due dollari anziché considerarlo un costo fisso per chiamata. Esiste il più economico Gemini 3.1 Flash Live, ma è un modello generalista per audio live, non ottimizzato per la traduzione a bassa latenza che preserva l'intonazione. La differenza di prezzo remunera la qualità della traduzione, non soltanto i token. Le cifre provengono dalla pagina prezzi per sviluppatori di Google, verificata il 15 luglio 2026.
I limiti da considerare prima di farci affidamento
La model card di Google è insolitamente esplicita su questi aspetti, ed è opportuno tenerli presenti nella progettazione.
La voce sintetizzata può essere incoerente: dopo pause lunghe può cambiare, può variare il genere percepito oppure restare bloccata su una sola voce negli scambi rapidi fra più persone. Una riunione veloce con quattro partecipanti la mette quindi più alla prova di una tranquilla conversazione fra due persone. Anche il rilevamento della lingua ha punti deboli: può faticare con accenti non madrelingua marcati, lingue molto simili e cambi rapidi di lingua a metà frase. Il rumore di fondo viene filtrato, ma non in modo perfetto; in presenza di molto rumore può introdurre artefatti nell'audio tradotto. Infine, l'anteprima dell'API accetta al momento soltanto input audio, senza percorso testo-in, e il suo stato di preview implica che comportamento e disponibilità potrebbero ancora cambiare.
Niente di tutto questo è necessariamente un ostacolo per un dialogo tranquillo uno a uno. Sono però aspetti da verificare prima di portare il servizio in una sala conferenze rumorosa o in un call center.
Quale opzione scegliere
La scelta si chiarisce rapidamente con tre scenari:
- Conversazione informale di persona, entrambi con lo smartphone? La versione nell'app Google Translate è gratuita e non richiede configurazione. È la scelta più immediata.
- Riunione con partecipanti che parlano lingue diverse? La traduzione enterprise di Google Meet è la soluzione adatta, non appena l'organizzazione ottiene l'accesso alla preview.
- Traduzione integrata in un prodotto proprietario? La Live API è l'unica opzione che offre controllo programmatico; per il budget, i prezzi di riferimento sono quelli riportati sopra.
Rispetto al vecchio approccio a turni — parlare, aspettare il segnale, ascoltare — il modello continuo migliora davvero la fluidità della conversazione. Di fronte a un interprete umano è molto più economico e disponibile subito in decine di lingue, ma un professionista resta superiore su sfumature, idiomi e accuratezza nelle situazioni ad alta posta in gioco: limiti che le criticità descritte sopra rendono evidenti.
Se lo si integra in un prodotto, va ricordato che il livello vocale e quello testuale vengono fatturati separatamente: la traduzione passa dalla Live API di Google, mentre eventuali riassunti o estrazione di azioni successive usano un modello testuale scelto a parte, con prezzi API molto variabili a seconda del provider.
Approfondimenti correlati
- Guida a prezzi e API di Gemini Omni Flash per l'altro modello multimodale in tempo reale di Google.
- Prezzi di OpenAI Realtime API per confrontare i costi al minuto fra fornitori di voce live.
FAQ
Come attivo la traduzione live in Google Translate?
Apri l'app Google Translate su Android o iOS, scegli la modalità Live o conversazione e seleziona le due lingue, oppure lascia che l'app le rilevi automaticamente. Su Android puoi attivare la modalità di ascolto per sentire la traduzione nell'auricolare.
Quante lingue supporta Gemini 3.5 Live Translate?
Rileva automaticamente oltre 70 lingue e, in un contesto di gruppo, può gestire più di 2.000 coppie linguistiche all'interno della stessa conversazione.
Gemini 3.5 Live Translate è gratuito?
Sì, è disponibile un livello gratuito sia per input sia per output. L'uso a pagamento della Live API costa circa $0.037 al minuto di audio ($3.50 per 1M token di input e $21.00 per 1M token di output).
Posso usarlo su iPhone e Android?
Sì. Il rollout dell'app Google Translate copre sia iOS sia Android, anche se al lancio la modalità di ascolto nell'auricolare è una funzione Android.
Cosa succede se rileva la lingua sbagliata?
Poiché il rilevamento è automatico, accenti marcati, lingue affini o cambi di lingua rapidi possono portare a un'identificazione errata durante la conversazione; dopo pause lunghe, anche la voce tradotta può cambiare o variare di genere. In un dialogo tranquillo uno a uno capita raramente, ma in un ambiente rumoroso o con più interlocutori che parlano velocemente è meglio fare test prima di dipenderne.
Scegli l'app Translate per le conversazioni personali, Meet per i team multilingue e la Live API quando serve inserire la traduzione in un software sotto il tuo controllo. In ogni caso, prova prima il flusso nel livello gratuito.