Gemini 3.5 Live Translate、70言語超のリアルタイム音声翻訳へ拡大

リアルタイム音声翻訳は、単独アプリの機能から、開発者や会議ツールが呼び出すモデル基盤へ移りつつある。Google DeepMindは6月9日の投稿で、Gemini 3.5 Live Translateを「fast, cross-language communication」向けの最新音声モデルと位置づけた。

重要な数字は70以上の言語だ。Googleの関連説明では、このモデルは音声が流れている最中に翻訳し、話し手の調子、速度、ピッチを保つことを目指す。一般ユーザーはAndroidとiOSのGoogle Translate、開発者はGemini Live APIとGoogle AI Studioのpublic preview、企業はGoogle Meetのprivate previewから利用する形になる。

Google DeepMindの公式アカウントは、Geminiの研究、モデル更新、Google製品への組み込みを継続的に発信している。今回の投稿で重要なのは、デモではなく配布先の広さだ。文が終わるのを待って翻訳する方式から、会話中に追従する音声-音声モデルへ変われば、カスタマーサポート、遠隔会議、教育、旅行アプリの設計が変わる。

次に見るべき点は、Googleの紹介例ではなく実利用での遅延と品質だ。70以上の言語対応は大きいが、専門用語、背景雑音、同時発話、アクセント差で精度が落ちれば業務利用には制約が残る。開発者向けpreviewが始まったことで、今後はAPIの費用、遅延、言語ペア別の安定性が評価軸になる。