Google udostępnia Gemini 3.5 Live Translate z tłumaczeniem głosowym w czasie rzeczywistym

Google wprowadza Gemini 3.5 Live Translate, nowy model sztucznej inteligencji do tłumaczenia mowy w czasie rzeczywistym dla ponad 70 języków. System automatycznie wykrywa język i, jak twierdzi Google, zachowuje ton, tempo i wysokość głosu mówiącego. Model jest już dostępny dla deweloperów i użytkowników.

Technologia tłumaczy wypowiedzi w sposób ciągły, nie czekając na zakończenie całego zdania. Wszystkie wygenerowane nagrania audio są oznaczone niewidocznym znakiem wodnym SynthID.

Kluczowe wnioski

• Gemini 3.5 Live Translate obsługuje ponad 70 języków z automatycznym wykrywaniem języka i zachowaniem charakterystyki głosu.
• Model dostępny jest już dla deweloperów przez Gemini Live API i Google AI Studio oraz dla wszystkich użytkowników w aplikacji Google Translate.
• W Google Meet wsparcie językowe wzrosło z pięciu do ponad 70 języków, oferując ponad 2000 kombinacji językowych.
• Usługa transportowa Grab testuje model do komunikacji między kierowcami a pasażerami.
• Wszystkie wygenerowane nagrania są oznaczone niewidocznym znakiem wodnym SynthID.

Dostępność na różnych platformach

Gemini 3.5 Live Translate jest obecnie dostępny w kilku wersjach. Deweloperzy mogą korzystać z modelu przez Gemini Live API oraz Google AI Studio. Firmy otrzymują dostęp do wersji preview w Google Meet, podczas gdy wszyscy użytkownicy mogą już testować funkcję w aplikacji Google Translate na systemach Android i iOS.

Szczególnie znaczącą zmianą jest rozszerzenie możliwości Google Meet. Platforma do wideokonferencji zwiększyła wsparcie językowe z zaledwie pięciu języków do ponad 70, co daje użytkownikom dostęp do ponad 2000 różnych kombinacji językowych.

Zastosowania komercyjne i technologia

Usługa transportowa Grab już testuje nowy model do usprawnienia komunikacji między kierowcami a pasażerami. To pokazuje praktyczne zastosowanie technologii w branży usług transportowych, gdzie bariery językowe mogą stanowić znaczący problem operacyjny.

Google zastosowało także rozwiązania bezpieczeństwa w postaci SynthID — niewidocznego znaku wodnego, który oznacza wszystkie wygenerowane nagrania audio. To zabezpieczenie ma pomóc w identyfikacji treści wygenerowanych przez AI.

Wprowadzenie Gemini 3.5 Live Translate stanowi kolejny krok Google w rozwoju technologii tłumaczenia w czasie rzeczywistym, oferując użytkownikom bardziej naturalne i płynne doświadczenie komunikacji międzykulturowej.