Вы находитесь на середине фразы с человеком, который не говорит на вашем языке, и вместо того чтобы вам обоим останавливаться и ждать, пока телефон успеет обработать перевод, он приходит ему в ухо спустя пару секунд, голосом, который сохраняет ваш ритм и тон. Именно это делает Gemini 3.5 Live Translate. Анонсированный Google 9 июня 2026 года, это аудио-в-аудио модель Google для перевода речи в реальном времени более чем на 70 языков. Сегодня он доступен в трёх местах: в приложении Google Translate, в Google Meet и в Gemini Live API для разработчиков. Есть бесплатный тариф, а платное использование стоит около $0.037 за минуту аудио. Если вы пользовались старым процессом перевода «сказал, подождал, послушал», то главное изменение здесь в том, что разговору больше не нужно прерываться.
Что на самом деле представляет собой Gemini 3.5 Live Translate
Google описывает его как аудио-авиудио модель, которая напрямую передаёт переведённую речь, а не использует поток «сначала расшифровать, потом озвучить», как старые инструменты. Эти старые инструменты преобразовывали вашу речь в текст, переводили текст, затем запускали text-to-speech, и каждый этап добавлял паузу. Gemini 3.5 Live Translate обрабатывает аудио по мере его поступления и непрерывно выдаёт переведённое аудио, отставая от вас всего на несколько секунд, а не дожидаясь, пока вы закончите предложение.
Три вещи отличают его от обычного переводчика. Он автоматически определяет язык речи, поэтому один разговор может охватывать более 70 языков, а в групповом формате — более 2 000 комбинаций языков, и при этом никому не нужно менять настройки. Он сохраняет интонацию, темп и высоту голоса говорящего, поэтому результат звучит как речь человека, а не как роботизированная озвучка. И каждый созданный им аудиофрагмент помечается водяным знаком SynthID — инструментом Google для обозначения медиа, созданных ИИ. Согласно его карточке модели DeepMind, он построен на архитектуре Gemini 3 Pro и имеет входное окно в 131 072 токена.
Где вы можете использовать это прямо сейчас
Gemini 3.5 Live Translate — это не один продукт. Это одна модель, представленная в трёх разных местах, и то, как вы её «используете», зависит от того, что именно вы имеете в виду.
В приложении Google Translate
Для повседневного использования она становится доступной по всему миру в приложениях Google Translate на Android и iOS. Вы открываете режим Live translate, выбираете языки или позволяете ему определить их автоматически и говорите. На Android есть новый режим прослушивания, который воспроизводит перевод через разговорный динамик телефона, так что личная беседа один на один ощущается скорее как использование гарнитуры переводчика, чем как передача телефона туда-сюда.
В Google Meet
Внутри Google Meet перевод речи, работающий на базе этой модели, находится в закрытом предварительном доступе для корпоративных клиентов. Прорыв значителен: более ранний перевод в Meet поддерживал примерно пять языков, а новая версия расширяет это до более чем 70 языков и более чем 2 000 языковых пар в одном совещании. Каждый участник слышит обсуждение на своём языке, пока люди продолжают говорить.
Через Gemini Live API
Для разработчиков модель доступна в публичном предварительном просмотре в Gemini Live API и в Google AI Studio. Это подходящий путь, если вы создаете перевод в своем собственном приложении, кол-центре или стриминговом продукте. Google уже подготовил интеграции с платформами для аудио в реальном времени, включая Agora, LiveKit, Fishjam, Pipecat и Vision Agents, а Grab тестирует ее для звонков между водителем и пассажиром в сети, которая обрабатывает более 10 миллионов голосовых вызовов в месяц.
Вызов Live API
Идентификатор модели — gemini-3.5-live-translate-preview. Вы подключаетесь через WebSocket Live API (напрямую или через GenAI SDK для Python и JavaScript) и передаёте аудио в обоих направлениях. Минимальная настройка Python выглядит так:
```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", # целевой BCP-47 output_audio_transcription={}, # также вернуть текст ), )
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 ```
Аудиоформат специфичен, и его стоит правильно настроить, прежде чем отлаживать что-либо ещё. Вход — это необработанный 16-битный PCM с частотой 16 кГц, моно, little-endian; выход возвращается как необработанный 16-битный PCM с частотой 24 кГц, моно. Передавайте аудио с микрофона примерно порциями по 100 мс. Поведение перевода задаётся блоком translationConfig (полная справка в документации Google):
targetLanguageCode: код BCP-47, в котором вы хотите получить результат (обязательно).echoTargetLanguage: следует ли повторять аудио, которое уже находится на целевом языке.inputAudioTranscription/outputAudioTranscription: включите эти опции, чтобы также получать текстовые расшифровки того, что было введено и что было выведено.
Поскольку это модель, ориентированная на перевод, большая часть общего набора инструментов Gemini отключена: нет вызова функций, нет thinking, нет структурированных выводов, нет кэширования, нет search grounding. Она принимает аудио на вход и выдает переведенное аудио (плюс необязательные транскрипты) на выходе, и ничего больше. В сеансах используются ephemeral tokens с окном истечения в 30 минут, что важно, если вы передаете учетные данные браузерному клиенту.
Цены на Gemini 3.5 Live Translate
Во время публичного предварительного просмотра доступен настоящий бесплатный тариф: ввод и вывод бесплатны (с учетом обычных ограничений скорости для preview), чего достаточно, чтобы прототипировать весь процесс до принятия окончательного решения.
На платном тарифе оплата производится за каждый аудиотокен: 25 токенов в секунду аудио:
| Модель | Ввод (за 1 млн токенов) | Вывод (за 1 млн токенов) |
|---|---|---|
| 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 |
В сумме Live Translate обходится примерно в $0.037 в минуту переведённого аудио. Имейте в виду, что это цена за аудиопоток: 30-минутный двусторонний разговор оплачивает и входящий, и исходящий потоки, так что рассчитывайте скорее на сумму порядка одного-двух долларов, а не рассматривайте это как фиксированную стоимость за звонок. Более дешёвая модель Gemini 3.1 Flash Live существует, но это универсальная модель для живого аудио, а не та, что настроена на перевод с сохранением интонации и низкой задержкой, для которых создана эта. Разница в цене покупает вам качество перевода, а не просто токены. Цифры взяты со страницы цен для разработчиков Google, проверено 15 июля 2026 года.
Ограничения, о которых стоит знать, прежде чем на него полагаться
Собственная карточка модели Google здесь необычно откровенна, и этого достаточно, чтобы учитывать эти риски в планировании, а не отмахиваться от них.
Синтезированный голос может быть непоследовательным. Он может меняться после длительных пауз, менять кажущийся пол или застревать на одном голосе при быстрых многоголосых обменах, поэтому быстрое совещание на четырёх человек нагружает его сильнее, чем спокойный диалог двоих. Обнаружение языка — ещё одно слабое место: оно плохо справляется с сильными акцентами не носителей, близкородственными языками и быстрым переключением между языками в середине предложения. Фоновый шум фильтруется, но не идеально, и сильный шум может вносить артефакты в переведённый аудиопоток. Наконец, предварительная версия API в настоящее время принимает только аудиовход, без ввода текста, и вся система имеет статус preview, что означает, что поведение и доступность всё ещё могут измениться.
Ни одна из этих проблем не является критической для тихого разговора один на один. Это то, что стоит проверить, прежде чем использовать устройство в шумной переговорной комнате или в колл-центре.
Как он выглядит по сравнению с другими вашими вариантами
Если вы выбираете, к чему обратиться, всё сводится к трём вопросам:
- Непринуждённо, лично, оба человека с телефонами? Версия приложения Google Translate бесплатна и не требует настройки. Это очевидный выбор.
- Многоязычная встреча? Корпоративный перевод в Google Meet — это подходящий вариант, когда у вашей организации появится доступ к предварительной версии.
- Встраиваете перевод в собственный продукт? Live API — единственный вариант, который даёт программный контроль, и указанные выше цены — это то, на что следует ориентироваться при планировании бюджета.
По сравнению со старым поочередным подходом (говорите, ждите сигнала, слушайте) непрерывная модель — это настоящий качественный скачок для хода разговора. По сравнению с живым переводчиком она намного дешевле и доступна мгновенно на десятках языков, но профессионал всё же выигрывает в нюансах, идиомах и точности в ситуациях с высокими ставками, что ясно показывают ограничения, описанные выше.
Если вы интегрируете это в продукт, помните, что уровень речи и уровень текста оплачиваются отдельно: перевод выполняется через Live API от Google, а любое последующее суммирование или извлечение пунктов действий работает на текстовой модели, которую вы выбираете отдельно, при этом цены на API сильно различаются в зависимости от провайдера.
Похожие материалы
- Руководство по ценам и API Gemini Omni Flash для другой мультимодальной модели Google в реальном времени.
- Цены OpenAI Realtime API, если вы сравниваете поминутные затраты между провайдерами голосовых сервисов в реальном времени.
Часто задаваемые вопросы
Как активировать живой перевод в Google Переводчике?
Откройте приложение Google Translate на Android или iOS, выберите режим Live или режим разговора и укажите два языка либо позвольте приложению автоматически определить их. На Android включите режим прослушивания, чтобы слышать перевод через динамик для разговоров.
Сколько языков поддерживает Gemini 3.5 Live Translate?
Он автоматически распознаёт более 70 языков, а в групповом режиме может обрабатывать более 2 000 языковых пар в рамках одного разговора.
Бесплатен ли Gemini 3.5 Live Translate?
Да, существует бесплатный тариф как для входных, так и для выходных данных. Платное использование Live API стоит около $0.037 за минуту аудио ($3.50 за 1M входных токенов, $21.00 за 1M выходных токенов).
Могу ли я использовать его на iPhone и Android?
Да. Развертывание приложения Google Translate охватывает как iOS, так и Android, хотя режим прослушивания через наушник на момент запуска доступен только на Android.
Что происходит, когда он обнаруживает неправильный язык?
Поскольку определение языка происходит автоматически, сильный акцент, близкородственные языки или быстрое переключение между языками могут привести к неверному распознаванию в середине разговора, а голос перевода также может сместиться или изменить пол после длительных пауз. В тихой беседе один на один это случается редко; в шумной или быстрой обстановке с несколькими говорящими сначала протестируйте его, прежде чем полагаться на него.
Выберите приложение Translate для личных разговоров, Meet для многоязычных команд и Live API, когда вам нужна локализация внутри управляемого вами программного обеспечения. Что бы вы ни выбрали, сначала опробуйте бесплатный тариф, прежде чем принимать окончательное решение.