Google、70以上の言語に対応する音声翻訳モデルGemini 3.5 Live Translateを公開

Gemini 3.5 Live Translateは70以上の言語を自動で検出し、翻訳音声を連続的に生成する。話者が話し終えるのを待つターン制の方式とは異なり、品質向上のための文脈待ちと同期のための即時翻訳のバランスを取り、話者より数秒遅れる程度で音声を出し続ける。入力は手動設定なしで多言語に対応し、ノイズへの頑健性により騒がしい環境でも使えるとされる。

提供形態は三つある。開発者にはGemini Live APIとGoogle AI Studioでパブリックプレビュー、企業にはGoogle Meetで今月からプライベートプレビュー、一般ユーザーにはAndroidとiOSのGoogle Translateアプリで提供される。Agora、Fishjam、LiveKit、Pipecat、Vision AgentsがGemini Live API経由で音声翻訳アプリの構築を支援する。Grabは運転手と利用者の多言語コミュニケーションで検証しており、月間1,000万件超の音声通話があるという。CJ ENMやLiveKitなども翻訳品質、精度、低遅延について肯定的な評価を寄せている。

Google Meetの音声翻訳は、従来の5言語から70以上へ拡大し、英語との間に限られていた翻訳が2000以上の言語の組み合わせに広がる。インターフェースも更新される。一部の企業向けGoogle Workspace顧客に今月からプライベートプレビューで提供し、広範な展開は今年後半の予定である。

Google Translateアプリでは、Live translate機能にヘッドホンをつなぐだけで、話者の声のトーンを反映した翻訳を70以上の言語で聞ける。Androidでは新たな「リスニングモード」も順次提供され、通話のように端末を耳に当てると、翻訳音声が本体のイヤピースから流れる。ヘッドホンがない場面で周囲に聞かせずに翻訳を聞きたいときに役立つとされる。なお、モデルが生成する音声はすべてSynthIDで透かしが入れられ、AI生成コンテンツを検出できるようにしている。