AIREITERConversar com alguém que não fala seu idioma costumava significar uma sequência pouco natural: falar, esperar o celular processar, ouvir a tradução e recomeçar. O Gemini 3.5 Live Translate muda esse ritmo ao entregar a fala traduzida no ouvido da outra pessoa poucos segundos depois, preservando o ritmo e o tom da voz. Anunciado pelo Google em 9 de junho de 2026, é o modelo de áudio para áudio da empresa voltado à tradução falada em tempo real para mais de 70 idiomas. Hoje, ele aparece em três frentes: no app Google Translate, no Google Meet e na Gemini Live API para desenvolvedores. Há uma faixa gratuita, enquanto o uso pago custa cerca de US$ 0,037 por minuto de áudio.
O que o Gemini 3.5 Live Translate faz na prática
O Google classifica o recurso como um modelo de áudio para áudio que transmite a fala traduzida diretamente. É uma mudança em relação ao fluxo dos tradutores mais antigos, que primeiro transcreviam a fala, traduziam o texto e só então usavam síntese de voz. Cada uma dessas etapas acrescentava uma pausa. O Gemini 3.5 Live Translate processa o áudio enquanto ele chega e emite a tradução continuamente, acompanhando a fala com alguns segundos de atraso em vez de esperar o fim da frase.
Há três diferenças importantes em relação a um tradutor básico. A primeira é a detecção automática do idioma: em uma mesma conversa, é possível alternar entre mais de 70 idiomas e, em grupos, entre mais de 2.000 combinações de idiomas, sem precisar ajustar configurações. A segunda é a preservação de entonação, ritmo e altura da voz, para que o resultado soe mais humano e menos como uma leitura robótica. Por fim, todo áudio gerado recebe marca d'água com o SynthID, ferramenta do Google para identificar mídia produzida por IA. Segundo o model card do DeepMind, o modelo é construído sobre a arquitetura Gemini 3 Pro e tem janela de entrada de 131.072 tokens.
Onde o recurso está disponível
O Gemini 3.5 Live Translate não é um produto isolado. É o mesmo modelo disponibilizado em três ambientes, cada um com uma forma diferente de uso.
No app Google Translate
Para conversas do dia a dia, o recurso está sendo liberado globalmente nos apps Google Translate para Android e iOS. Basta abrir o modo Live translate, escolher os idiomas ou deixar que o aplicativo os detecte e começar a falar. No Android, há um novo modo de escuta que reproduz a tradução pelo auricular do telefone. Em uma conversa entre duas pessoas, a experiência se aproxima mais de usar um fone com intérprete do que de ficar passando o celular de um lado para o outro.
No Google Meet
No Google Meet, a tradução de fala baseada nesse modelo está em prévia privada para clientes corporativos. O salto é grande: a tradução anterior do Meet suportava cerca de cinco idiomas, enquanto 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 conversa em seu próprio idioma, sem que as pessoas precisem interromper a fala.
Pela Gemini Live API
Para desenvolvedores, o modelo está em prévia pública na Gemini Live API e no Google AI Studio. É a opção para incorporar tradução a um aplicativo próprio, central de atendimento ou produto de streaming. O Google já preparou integrações com plataformas de áudio em tempo real como Agora, LiveKit, Fishjam, Pipecat e Vision Agents. A Grab também o está testando em chamadas entre motoristas e passageiros em uma rede que processa mais de 10 milhões de chamadas de voz por mês.
Como chamar a Live API
O ID do modelo é gemini-3.5-live-translate-preview. A conexão é feita pelo WebSocket da Live API, diretamente ou por meio do GenAI SDK para Python e JavaScript, com streaming de áudio nos dois sentidos. Uma configuração mínima em Python é esta:
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 audioO formato de áudio é específico, e vale acertá-lo antes de depurar qualquer outra parte. A entrada deve ser PCM bruto de 16 bits, a 16 kHz, mono e little-endian; a saída volta como PCM bruto de 16 bits, a 24 kHz e mono. Envie o áudio do 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 do idioma desejado na saída (obrigatório).echoTargetLanguage: define se o áudio que já estiver no idioma de destino deve ser repetido.inputAudioTranscription/outputAudioTranscription: ative essas opções para também receber transcrições em texto do áudio enviado e do áudio retornado.
Como este é um modelo focado em tradução, boa parte dos recursos gerais do Gemini fica desativada: não há chamada de funções, thinking, saídas estruturadas, cache nem grounding com busca. Ele recebe áudio, devolve áudio traduzido — além das transcrições opcionais — e não faz mais nada. As sessões usam tokens efêmeros com janela de expiração de 30 minutos, algo relevante ao entregar credenciais a um cliente no navegador.
Preços do Gemini 3.5 Live Translate
Durante a prévia pública, existe de fato uma faixa gratuita: entrada e saída não são cobradas, respeitando os limites de taxa habituais da prévia. Isso basta para prototipar todo o fluxo antes de assumir custos.
Na faixa paga, a cobrança é feita por token de áudio, na proporção de 25 tokens por segundo de áudio:
| Modelo | Entrada (por 1 milhão de tokens) | Saída (por 1 milhão de tokens) |
|---|---|---|
| Gemini 3.5 Live Translate | US$ 3,50 (~US$ 0,0053/min) | US$ 21,00 (~US$ 0,0315/min) |
| Gemini 3.1 Flash Live | US$ 3,00 (~US$ 0,005/min) | US$ 12,00 (~US$ 0,018/min) |
| Gemini 2.5 Flash Native Audio | US$ 3,00 | US$ 12,00 |
Somando entrada e saída, o Live Translate custa cerca de US$ 0,037 por minuto de áudio traduzido. Atenção: o valor é cobrado por fluxo de áudio. Em uma conversa bidirecional de 30 minutos, os fluxos de entrada e saída são faturados, então o orçamento fica na ordem de um ou dois dólares, e não em um preço fixo por chamada. O Gemini 3.1 Flash Live é mais barato, mas é um modelo geral de áudio ao vivo, não um modelo ajustado para a tradução de baixa latência com preservação de entonação que este oferece. A diferença de preço compra qualidade de tradução, não apenas tokens. Os números vêm da página de preços para desenvolvedores do Google, consultada em 15 de julho de 2026.
Limitações que você precisa considerar
O próprio model card do Google é incomumente transparente neste ponto. E são limitações reais, que vale planejar em vez de ignorar.
A voz sintetizada pode ser inconsistente. Ela pode mudar após pausas longas, aparentar outro gênero ou ficar presa a uma única voz durante trocas rápidas entre vários falantes. Uma reunião acelerada com quatro pessoas, portanto, exige mais do modelo do que uma conversa tranquila entre duas. A detecção de idioma é outro ponto sensível: há dificuldade com sotaques fortes de falantes não nativos, idiomas muito próximos e alternâncias rápidas de idioma no meio da frase. O ruído de fundo é filtrado, mas não perfeitamente; em excesso, pode introduzir artefatos no áudio traduzido. Por fim, a prévia da API aceita apenas entrada de áudio, sem caminho para entrada de texto, e todo o recurso ainda está em prévia, o que significa que comportamento e disponibilidade podem mudar.
Nada disso inviabiliza uma conversa individual em um ambiente silencioso. Mas são fatores que devem ser testados antes de colocar a ferramenta em uma sala de conferências barulhenta ou em uma central de atendimento.
Quando usar cada alternativa
Se você está escolhendo qual opção usar, três perguntas resolvem a maior parte dos casos:
- Conversa casual presencial, com os dois usando celular? A versão do app Google Translate é gratuita e não exige configuração. É a escolha mais óbvia.
- Reunião com vários idiomas? A tradução empresarial do Google Meet é o caminho, quando sua organização tiver acesso à prévia.
- Vai adicionar tradução ao seu próprio produto? A Live API é a única opção que oferece controle programático, e os preços acima são a base do seu orçamento.
Em comparação com o método antigo, baseado em turnos — falar, esperar o sinal, ouvir —, o modelo contínuo muda de forma concreta o fluxo da conversa. Frente a um intérprete humano, ele custa muito menos e está disponível instantaneamente em dezenas de idiomas. Ainda assim, um profissional continua superior em nuances, expressões idiomáticas e precisão em situações críticas, como deixam claras as limitações acima.
Ao integrar isso a um produto, lembre-se de que a camada de voz e a de texto são cobradas separadamente: a tradução vem da Live API do Google, enquanto qualquer resumo ou extração posterior de itens de ação usa um modelo de texto escolhido de forma independente, cuja precificação de API varia bastante entre provedores.
Leituras relacionadas
- Guia de preços e API do Gemini Omni Flash para conhecer 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 Translate?
Abra o app Google Translate no Android ou iOS, escolha o modo Live ou de conversa e selecione os dois idiomas, ou deixe que o aplicativo os detecte automaticamente. No Android, ative o modo de escuta para ouvir a tradução pelo auricular.
Quantos idiomas o Gemini 3.5 Live Translate suporta?
Ele detecta automaticamente mais de 70 idiomas e, em grupos, 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 faixa gratuita tanto para entrada quanto para saída. O uso pago pela Live API custa cerca de US$ 0,037 por minuto de áudio (US$ 3,50 por 1 milhão de tokens de entrada e US$ 21,00 por 1 milhão de tokens de saída).
Posso usar no iPhone e no Android?
Sim. A liberação do app Google Translate abrange iOS e Android, embora o modo de escuta pelo auricular seja, no lançamento, um recurso do Android.
O que acontece se ele detectar o idioma errado?
Como a detecção é automática, sotaques fortes, idiomas próximos ou trocas rápidas de idioma podem levar a uma identificação errada no meio da conversa. A voz traduzida também pode mudar ou aparentar outro gênero após pausas longas. Em uma conversa individual e silenciosa, isso raramente causa problemas; em ambientes barulhentos ou com vários falantes em ritmo acelerado, teste antes de depender do recurso.
Para conversas pessoais, escolha o app Translate; para equipes multilíngues, o Meet; e, quando precisar incorporar tradução a um software sob seu controle, a Live API. Qualquer que seja a opção, faça um protótipo na faixa gratuita antes de se comprometer.