Você está no meio de uma frase com alguém que não fala o seu idioma e, em vez de ambos pararem para esperar um telefone acompanhar, a tradução chega ao ouvido dessa pessoa alguns segundos depois, em uma voz que mantém o seu ritmo e tom. Isso é o que o Gemini 3.5 Live Translate faz. Anunciado pelo Google em 9 de junho de 2026, ele é o modelo de áudio para áudio do Google para tradução falada em tempo real em mais de 70 idiomas. Ele aparece hoje em três lugares: o app Google Translate, o Google Meet e a Gemini Live API para desenvolvedores. Há uma camada gratuita, e o uso pago custa cerca de US$ 0,037 por minuto de áudio. Se você já usou o antigo fluxo de tradução “fale, espere, ouça”, a mudança aqui é que a conversa não precisa mais parar.
O que o Gemini 3.5 Live Translate realmente é
O Google o descreve como um modelo de áudio para áudio que transmite a fala traduzida diretamente, em vez do fluxo de transcrever e depois ler em voz alta das ferramentas mais antigas. Essas ferramentas mais antigas convertiam sua fala em texto, traduziram o texto e, então, executavam a síntese de voz, e cada etapa adicionava uma pausa. O Gemini 3.5 Live Translate processa o áudio enquanto ele é transmitido e emite áudio traduzido continuamente, ficando alguns segundos atrás de você em vez de esperar que você termine uma frase.
Três coisas o diferenciam de um tradutor básico. Ele detecta automaticamente o idioma falado, então uma única conversa pode transitar entre mais de 70 idiomas e, em um ambiente de grupo, mais de 2.000 combinações de idiomas sem que ninguém precise alterar uma configuração. Ele preserva a entonação, o ritmo e o tom de voz do falante, então a saída soa como uma pessoa, e não como uma leitura robótica. E cada trecho de áudio que ele gera é marcado com SynthID, a ferramenta do Google para sinalizar mídia gerada por IA. Segundo seu model card da DeepMind, ele é construído com base na arquitetura do Gemini 3 Pro, com uma janela de entrada de 131.072 tokens.
Onde você pode usá-lo agora
Gemini 3.5 Live Translate não é um único produto. É um modelo apresentado em três lugares diferentes, e como você o "usa" depende de qual deles você está se referindo.
No app Google Tradutor
Para uso cotidiano, ele está sendo lançado globalmente nos apps do Google Translate no Android e iOS. Você abre o modo Live translate, escolhe ou deixa que ele detecte os idiomas e fala. No Android, há um novo modo de escuta que reproduz a tradução pelo alto-falante auricular do telefone, então uma conversa entre duas pessoas fica mais parecida com usar o headset de um intérprete do que ficar passando o telefone de um lado para o outro.
No Google Meet
Dentro do Google Meet, a tradução de fala alimentada por este modelo está em prévia privada para clientes empresariais. O avanço é significativo: a tradução anterior do Meet suportava aproximadamente cinco idiomas, e a nova versão amplia isso para mais de 70 idiomas e mais de 2.000 pares de idiomas em uma única reunião. Cada participante ouve a discussão em seu próprio idioma enquanto as pessoas continuam conversando.
Por meio da Gemini Live API
Para desenvolvedores, o modelo está em prévia pública na Gemini Live API e no Google AI Studio. Este é o caminho se você estiver integrando tradução ao seu próprio app, central de atendimento ou produto de streaming. O Google já alinhou integrações com plataformas de áudio em tempo real, incluindo Agora, LiveKit, Fishjam, Pipecat e Vision Agents, e a Grab está testando isso para chamadas entre motorista e passageiro em uma rede que lida com mais de 10 milhões de chamadas de voz por mês.
Chamando a Live API
O ID do modelo é gemini-3.5-live-translate-preview. Você se conecta pela WebSocket da Live API (diretamente, ou por meio do GenAI SDK para Python e JavaScript) e transmite áudio nos dois sentidos. Uma configuração mínima em Python fica assim:
```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={}, # 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 audio ```
O formato de áudio é específico e vale acertar antes de depurar qualquer outra coisa. A entrada é PCM bruto de 16 bits a 16 kHz, mono, little-endian; a saída retorna como PCM bruto de 16 bits a 24 kHz, mono. Envie o áudio do seu microfone em blocos de aproximadamente 100 ms. O comportamento da tradução é definido com um bloco translationConfig (referência completa na documentação do Google):
targetLanguageCode: o código BCP-47 em que você quer a saída (obrigatório).echoTargetLanguage: se deve repetir o áudio que já está no idioma de destino.inputAudioTranscription/outputAudioTranscription: ative estas opções para também receber transcrições em texto do que entrou e do que saiu.
Como este é um modelo focado em tradução, grande parte do toolkit geral do Gemini está desativada: sem function calling, sem thinking, sem structured outputs, sem caching, sem search grounding. Ele recebe áudio de entrada e fornece áudio traduzido (além de transcrições opcionais) na saída, e nada mais. As sessões usam tokens efêmeros com uma janela de expiração de 30 minutos, o que é importante se você estiver passando credenciais para um cliente de navegador.
Preços do Gemini 3.5 Live Translate
Há um nível gratuito de verdade durante a prévia pública: a entrada e a saída são gratuitas (sujeitas aos limites de taxa usuais da prévia), o que é suficiente para prototipar todo o fluxo antes de você se comprometer.
No plano pago, a cobrança é por token de áudio, com 25 tokens por segundo de áudio:
| Modelo | Entrada (por 1M tokens) | Saída (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 | $12.00 |
Combinado, o Live Translate sai por aproximadamente US$ 0,037 por minuto de áudio traduzido. Observe que isso é por fluxo de áudio: uma conversa bidirecional de 30 minutos cobra tanto o fluxo de entrada quanto o de saída, então reserve algo na faixa de um ou dois dólares, em vez de tratá-lo como um valor fixo por chamada. O modelo mais barato Gemini 3.1 Flash Live existe, mas é um modelo geral de áudio ao vivo, não um voltado para a tradução com preservação de entonação e baixa latência para a qual este foi criado. A diferença de preço compra qualidade de tradução, não apenas tokens. Os valores são da página de preços para desenvolvedores do Google, verificada em 15 de julho de 2026.
Os limites que vale a pena conhecer antes de depender dele
O próprio cartão de modelo do Google é inusitadamente franco aqui, e esses pontos são reais o suficiente para serem considerados no planejamento, em vez de serem descartados.
A voz sintetizada pode ser inconsistente. Ela pode mudar após longas pausas, alterar o gênero aparente ou ficar presa em uma única voz durante trocas rápidas entre vários falantes, então uma reunião rápida com quatro pessoas a estressa mais do que uma conversa tranquila entre duas pessoas. A detecção de idioma é o outro ponto fraco: ela tem dificuldade com sotaques fortes de não nativos, idiomas muito semelhantes e alternância rápida entre idiomas no meio da frase. O ruído de fundo é filtrado, mas não perfeitamente, e ruídos intensos podem introduzir artefatos no áudio traduzido. Por fim, a prévia da API atualmente aceita apenas entrada de áudio, sem um caminho de entrada por texto, e tudo isso está em status de prévia, o que significa que o comportamento e a disponibilidade ainda podem mudar.
Nenhum desses é um fator decisivo para uma conversa tranquila entre duas pessoas. São coisas a testar antes de colocá-lo diante de uma sala de conferência barulhenta ou de um call center.
Como ele se compara às suas outras opções
Se você está escolhendo o que pegar, três perguntas resolvem isso:
- Casual, in-person, both people on phones? A versão do aplicativo Google Translate é gratuita e não requer configuração. É a escolha óbvia.
- Uma reunião multilíngue? A tradução corporativa do Google Meet é o caminho, assim que sua organização tiver acesso à prévia.
- Incorporando tradução ao seu próprio produto? A Live API é a única opção que oferece controle programático, e a precificação acima é a base para o seu orçamento.
Em comparação com a abordagem mais antiga baseada em turnos (falar, esperar o bipe, ouvir), o modelo contínuo é uma verdadeira mudança de patamar para o fluxo da conversa. Em comparação com um intérprete humano, ele é muito mais barato e está disponível instantaneamente em dezenas de idiomas, mas um profissional ainda leva vantagem em nuances, expressões idiomáticas e precisão em contextos de alto risco, o que as limitações acima deixam claro.
Se você estiver incorporando isso em um produto, lembre-se de que a camada de voz e a camada de texto são cobranças separadas: a tradução vem da Live API do Google, enquanto qualquer resumo ou extração de itens de ação posteriormente é executada em um modelo de texto que você escolhe independentemente, onde os preços de API variam bastante de acordo com o provedor.
Leituras relacionadas
- Guia de preços e API do Gemini Omni Flash para o outro modelo multimodal em tempo real do Google.
- Preços da OpenAI Realtime API se você estiver comparando custos por minuto entre provedores de voz ao vivo.
Perguntas Frequentes
Como ativo a tradução ao vivo no Google Tradutor?
Abra o app Google Tradutor no Android ou iOS, escolha o modo ao vivo ou de conversa e selecione seus dois idiomas ou deixe que o app os detecte automaticamente. No Android, ative o modo de escuta para ouvir a tradução pelo fone.
Quantos idiomas o Gemini 3.5 Live Translate suporta?
Ele detecta automaticamente mais de 70 idiomas e, em um ambiente em grupo, pode lidar com mais de 2.000 pares de idiomas em uma única conversa.
O Gemini 3.5 Live Translate é gratuito?
Sim, há uma camada gratuita para entrada e saída. O uso pago na Live API custa cerca de $0.037 por minuto de áudio ($3.50 por 1M tokens de entrada, $21.00 por 1M tokens de saída).
Posso usá-lo no iPhone e Android?
Sim. A implementação do app Google Tradutor abrange tanto iOS quanto Android, embora o modo de escuta pelo auricular seja um recurso do Android no lançamento.
O que acontece quando ele detecta o idioma errado?
Como a detecção é automática, sotaques fortes, idiomas próximos ou trocas rápidas de idioma podem causar uma suposição errada no meio da conversa, e a voz traduzida também pode mudar ou trocar de gênero após pausas longas. Em uma conversa tranquila entre duas pessoas, isso raramente falha; em um ambiente barulhento ou com vários participantes falando rapidamente, teste antes de depender disso.
Escolha o app Translate para conversas pessoais, o Meet para equipes multilíngues e a Live API quando você precisar de tradução dentro de software que você controla. Seja qual for a sua escolha, faça um protótipo na camada gratuita antes de se comprometer.