AIREITERРазговор с человеком, который не говорит на вашем языке, обычно выглядит так: один говорит, оба ждут, пока телефон распознает фразу и озвучит перевод. Gemini 3.5 Live Translate убирает эти остановки. Модель Google, представленная 9 июня 2026 года, переводит речь в речь в реальном времени более чем на 70 языков — с задержкой всего в несколько секунд и с сохранением темпа и интонации говорящего. Сейчас она доступна в приложении Google Translate, Google Meet и Gemini Live API для разработчиков. Есть бесплатный тариф, а платное использование обходится примерно в $0.037 за минуту аудио.
Что представляет собой Gemini 3.5 Live Translate
Google называет Gemini 3.5 Live Translate аудиомоделью, которая непрерывно принимает и отдает звук. Это отличается от привычной схемы старых переводчиков: сначала речь превращалась в текст, затем текст переводился, после чего синтезатор зачитывал результат. Каждый этап добавлял паузу. Новая модель обрабатывает поток аудио на лету и выдает переведенную речь непрерывно — она лишь на несколько секунд отстает от собеседника, а не ждет окончания всей фразы.
От обычного переводчика ее отличают три особенности. Во-первых, модель сама определяет язык: в одном разговоре можно использовать более 70 языков, а для групповых сценариев заявлено свыше 2 000 языковых комбинаций — без ручного переключения настроек. Во-вторых, она старается сохранять интонацию, темп и высоту голоса, поэтому перевод звучит не как механическая озвучка. Наконец, весь сгенерированный звук получает водяной знак SynthID — инструмент Google для маркировки медиаконтента, созданного ИИ. Согласно карточке модели DeepMind, решение построено на архитектуре Gemini 3 Pro и имеет входное окно на 131 072 токена.
Где модель уже доступна
Gemini 3.5 Live Translate — не отдельный продукт с одной точкой входа. Это одна модель, встроенная в три сервиса, и способ работы зависит от выбранного сценария.
Приложение Google Translate
Для повседневных разговоров функция постепенно становится доступна по всему миру в приложениях Google Translate для Android и iOS. Откройте режим Live translate, выберите языки или оставьте их автоопределение — и начинайте говорить. На Android появился режим прослушивания: перевод воспроизводится через разговорный динамик телефона. В беседе один на один это ближе к гарнитуре синхронного переводчика, чем к передаче смартфона из рук в руки.
Google Meet
В Google Meet перевод речи на базе этой модели находится в закрытом предварительном доступе для корпоративных клиентов. Разница с прежней системой заметная: раньше Meet поддерживал примерно пять языков, а новая версия — более 70 языков и свыше 2 000 языковых пар в рамках одной встречи. Каждый участник слышит обсуждение на своем языке, пока остальные продолжают говорить.
Gemini Live API
Для разработчиков модель доступна в публичном предварительном просмотре через Gemini Live API и Google AI Studio. Этот вариант подойдет, если перевод нужно встроить в собственное приложение, кол-центр или потоковый сервис. Google уже готовит интеграции с платформами для аудио в реальном времени, включая Agora, LiveKit, Fishjam, Pipecat и Vision Agents. Компания Grab тестирует модель для звонков между водителями и пассажирами в сети, которая обрабатывает более 10 миллионов голосовых вызовов в месяц.
Как подключить Live API
Идентификатор модели — gemini-3.5-live-translate-preview. Подключение идет по WebSocket из Live API — напрямую либо через GenAI SDK для Python и JavaScript. Аудио передается в обе стороны потоком. Минимальная настройка на Python выглядит так:
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 audioПараметры аудио здесь принципиальны — их стоит проверить до поиска других причин ошибок. Входной поток должен быть в формате raw PCM: 16 бит, 16 кГц, моно, little-endian. На выходе API возвращает raw PCM: 16 бит, 24 кГц, моно. Аудио с микрофона лучше отправлять кусками примерно по 100 мс. Поведение перевода задается блоком translationConfig (полное описание есть в документации Google):
targetLanguageCode: код нужного языка вывода по BCP-47 (обязательный параметр).echoTargetLanguage: нужно ли повторять аудио, которое уже звучит на целевом языке.inputAudioTranscription/outputAudioTranscription: включите эти параметры, чтобы дополнительно получать текстовые расшифровки входящей и переведенной речи.
Это узкоспециализированная модель для перевода, поэтому большая часть стандартных возможностей Gemini отключена: нет вызова функций, reasoning, структурированных ответов, кеширования и поиска с grounding. На вход подается аудио, на выходе получается переведенное аудио и, при необходимости, транскрипты — ничего больше. В сессиях используются временные токены со сроком действия 30 минут. Это особенно важно, если учетные данные передаются браузерному клиенту.
Цены Gemini 3.5 Live Translate
На время публичного предварительного просмотра действует полноценный бесплатный уровень: входящий и исходящий поток не тарифицируются в пределах обычных лимитов preview. Этого достаточно, чтобы собрать и проверить весь сценарий до перехода на платный тариф.
На платном тарифе расчет идет по аудиотокенам из расчета 25 токенов на секунду аудио:
| Модель | Входящие данные (за 1 млн токенов) | Исходящие данные (за 1 млн токенов) |
|---|---|---|
| Gemini 3.5 Live Translate | $3.50 (~$0.0053/мин) | $21.00 (~$0.0315/мин) |
| Gemini 3.1 Flash Live | $3.00 (~$0.005/мин) | $12.00 (~$0.018/мин) |
| Gemini 2.5 Flash Native Audio | $3.00 | $12.00 |
В сумме Live Translate обходится примерно в $0.037 за минуту переведенного аудио. Важно: цена считается для каждого аудиопотока. За 30-минутный двусторонний разговор тарифицируются и входящий, и исходящий потоки, поэтому бюджет стоит оценивать примерно в доллар-два, а не как фиксированную стоимость звонка. Более дешевая Gemini 3.1 Flash Live тоже существует, но это универсальная модель для live-аудио, а не решение, оптимизированное под быстрый перевод с сохранением интонации. Разница в цене — это плата за качество перевода, а не только за токены. Цифры взяты со страницы цен Google для разработчиков и проверены 15 июля 2026 года.
Ограничения, о которых стоит знать заранее
Карточка модели Google на этот счет на редкость откровенна — и перечисленные нюансы действительно стоит учитывать при планировании.
Синтезированный голос может вести себя нестабильно. После длинных пауз он иногда меняется, может смениться воспринимаемый пол говорящего, а при быстрой смене нескольких участников модель способна закрепиться на одном голосе. Поэтому спокойный диалог двух людей для нее проще, чем динамичная встреча вчетвером. Второе слабое место — определение языка: сложности возможны при сильном иностранном акценте, близкородственных языках и быстром переключении между языками внутри фразы. Фоновый шум фильтруется, но не полностью; сильный шум может вызывать артефакты в переводе. Наконец, preview API пока принимает только аудио — текстового входа нет. Сам статус предварительной версии означает, что поведение и доступность сервиса еще могут меняться.
Для тихой беседы один на один это не критичные недостатки. Но перед запуском в шумной переговорной или кол-центре модель обязательно стоит протестировать в реальных условиях.
Какой вариант выбрать
Выбор обычно сводится к трем вопросам:
- Неформальный разговор лицом к лицу, у обоих есть телефон? Версия в Google Translate бесплатна и не требует настройки — это самый очевидный вариант.
- Встреча с участниками, говорящими на разных языках? Подойдет корпоративный перевод в Google Meet, когда вашей организации откроют доступ к preview.
- Нужно встроить перевод в собственный продукт? Только Live API дает программное управление, а ориентиром для бюджета будут приведенные выше цены.
По сравнению со старым поочередным подходом — сказать фразу, дождаться сигнала, услышать перевод — непрерывная модель заметно меняет естественность разговора. В сравнении с живым переводчиком она гораздо дешевле, доступна мгновенно и работает с десятками языков. Но профессионал по-прежнему лучше справляется с нюансами, идиомами и ситуациями, где цена ошибки высока: ограничения модели это наглядно подтверждают.
Если вы встраиваете технологию в продукт, помните, что голосовой и текстовый слои оплачиваются отдельно. Перевод обеспечивает Live API от Google, а последующее резюмирование разговора или выделение задач запускается на выбранной вами текстовой модели, где цены API заметно различаются у разных провайдеров.
Читайте также
- Цены и руководство по API Gemini Omni Flash — о другой мультимодальной модели Google для работы в реальном времени.
- Цены OpenAI Realtime API — если сравниваете поминутную стоимость у провайдеров голосовых сервисов в реальном времени.
FAQ
Как включить живой перевод в Google Translate?
Откройте Google Translate на Android или iOS, выберите режим Live либо режим разговора, затем укажите два языка или разрешите приложению определить их автоматически. На Android включите режим прослушивания, чтобы слышать перевод через разговорный динамик.
Сколько языков поддерживает Gemini 3.5 Live Translate?
Модель автоматически определяет более 70 языков, а в групповом сценарии может обрабатывать свыше 2 000 языковых пар в рамках одного разговора.
Gemini 3.5 Live Translate бесплатен?
Да, бесплатный тариф действует и для входящего, и для исходящего потока. Платное использование через Live API стоит около $0.037 за минуту аудио ($3.50 за 1 млн входящих токенов и $21.00 за 1 млн исходящих токенов).
Можно ли пользоваться им на iPhone и Android?
Да. Google Translate разворачивается и на iOS, и на Android, хотя режим прослушивания через разговорный динамик на старте доступен только на Android.
Что будет, если модель неправильно определит язык?
Поскольку язык определяется автоматически, сильный акцент, близкородственные языки или быстрое переключение между языками могут привести к неверному распознаванию прямо во время разговора. После длинных пауз переводной голос также может измениться или сменить воспринимаемый пол. В тихом диалоге один на один это редко становится проблемой, но для шумной среды или быстрой беседы с несколькими участниками систему стоит проверить заранее.
Для личных разговоров выбирайте приложение Translate, для многоязычных команд — Meet, а Live API используйте, когда перевод требуется внутри программного продукта под вашим контролем. В любом случае сначала соберите прототип на бесплатном тарифе.