Gemini 3.5 Live Translate

Gemini 3.5 Live Translate：70以上の言語をリアルタイムでつなぐ次世代音声翻訳

Googleは、コミュニケーションのあり方を根本から変える最新の音声モデル、Gemini 3.5 Live Translateを発表しました。20年前に機械学習の実験として始まったGoogleの翻訳技術は、今や毎月数十億人のユーザーに対し、1兆語以上の言葉を翻訳するまでに進化しました。その最新到達点であるGemini 3.5 Live Translateは、これまでの音声翻訳の常識を覆す、流暢で自然なリアルタイム体験を提供します。

Gemini 3.5 Live Translateとは

Gemini 3.5 Live Translateは、70以上の言語に対応した最新の音声対音声（speech-to-speech）翻訳モデルです。従来のシステムのように、話し手が話し終わるのを待ってから翻訳を開始する「ターン制」ではなく、会話を継続的にストリームとして処理することで、ほぼリアルタイムの翻訳を実現しています。

このモデルは、単に言葉を置き換えるだけではありません。話し手のイントネーション、ペース、ピッチ（声の高さ）を維持したまま翻訳音声を生成するため、まるで本人がその言語を話しているかのような、極めて自然で人間味のある対話が可能になります。Gemini 3.5 Live Translateは、品質を向上させるための文脈理解と、同期を保つための即時性のバランスを最適化しており、不自然な一時停止のない、わずか数秒の遅延のみで進行するスムーズなオーディオを提供します。

Gemini 3.5 Live Translateの主な特徴

Gemini 3.5 Live Translateには、これまでの翻訳ツールを凌駕する多くの革新的な特徴があります。

• 70以上の言語を自動検出: 手動で設定を切り替えることなく、入力された多言語を即座に認識し、翻訳を開始します。
• 自然な音声表現: 話し手の感情やトーンを反映し、機械的な合成音ではない流暢な音声出力を生成します。
• 継続的な翻訳生成: 会話の流れを止めないシームレスな体験を提供。数秒のバッファで文脈を捉えつつ、同期を維持します。
• 高度なノイズ耐性: 騒がしい場所や予測不能な環境下でも、正確に音声を認識して翻訳を行う堅牢性を備えています。
• SynthIDによる安全性: 生成されたすべての音声には、AI生成であることを示す不可視の透かし「SynthID」が組み込まれており、情報の信頼性と責任あるAI利用を担保しています。

Gemini 3.5 Live Translateの活用シーン（Use Case）

Gemini 3.5 Live Translateの活用範囲は、ビジネスからプライベート、開発者向けソリューションまで多岐にわたります。

1. グローバルなビジネス会議と教育

Google Meetに導入されることで、多言語が飛び交う会議やレッスンが劇的に変わります。英語、中国語（マンダリン）、スウェーデン語など、異なる言語を話す参加者が、それぞれの母国語で理解し合える環境を提供します。

2. ライドシェアや旅行先でのコミュニケーション

パートナー企業であるGrabでは、ドライバーと乗客の間で毎月1,000万件以上の音声通話が行われています。Gemini 3.5 Live Translateを導入することで、異なる言語を話す利用者同士が、ピックアップ時にストレスなく意思疎通できるようテストが進められています。

3. メディアと放送の多言語化

韓国のエンターテインメント大手CJ ENMなどは、世界中の視聴者に対してよりオーセンティックな視聴体験を提供するために、Gemini 3.5 Live Translateを活用した吹き替えや同時翻訳のテストを行っています。

4. 開発者による革新的なアプリ構築

Gemini Live APIを通じて、Agora、Fishjam、LiveKit、Pipecat、Vision Agentsなどのプラットフォームが、この強力な翻訳機能を自社のサービスに統合しています。これにより、複雑なメディアストリーミングのインフラを気にすることなく、高品質な翻訳アプリを開発することが可能です。

Gemini 3.5 Live Translateの使用方法（How to Use）

Gemini 3.5 Live Translateは、以下のプラットフォームを通じて順次提供が開始されます。

Google 翻訳アプリでの利用

AndroidおよびiOSのGoogle 翻訳アプリにグローバルで展開されます。「Live translate（ライブ翻訳）」機能を使用し、ヘッドフォンを接続するだけで、相手のトーンを反映したリアルタイム翻訳を体験できます。

• リスニングモード（Android限定）: Androidユーザー向けに、スマホを受話器のように耳に当てるだけで翻訳を聞くことができる機能が登場します。ヘッドフォンがない状況や、周囲に翻訳内容を聞かれたくないツアーガイドなどの場面で非常に便利です。

Google Meetでの利用

ビジネス向けのGoogle Workspaceユーザーを対象に、今月からプライベートプレビューが開始されます。これまでの5言語制限が撤廃され、70以上の言語、2,000以上の言語の組み合わせがサポートされるようになります。

開発者向け（Google AI Studio / API）

Gemini Live APIおよびGoogle AI Studioを通じてパブリックプレビューが提供されています。開発者は、独自の音声翻訳体験を自身のアプリケーションに組み込むことができます。

FAQ：よくある質問

Q: Gemini 3.5 Live Translateは何言語に対応していますか？ A: 70以上の言語に対応しており、Google Meetでは2,000以上の言語の組み合わせでの翻訳が可能です。

Q: 翻訳までの遅延（レイテンシ）はどのくらいですか？ A: 非常に低遅延で設計されており、話し手のわずか数秒後ろを追随する形で継続的に翻訳が生成されます。

Q: AIが生成した音声だと見分けることはできますか？ A: はい。Gemini 3.5 Live Translateによって生成された音声には、SynthIDという技術を用いて、知覚できないレベルの透かしが直接オーディオに埋め込まれています。

Q: どのようなデバイスで利用できますか？ A: AndroidおよびiOSのスマートフォン、またGoogle Meetを介してPCなどのデバイスで利用可能です。また、開発者はGemini Live APIを通じて様々なプラットフォームに組み込めます。

Q: 音声のトーンやニュアンスは失われますか？ A: いいえ。このモデルの大きな特徴は、話し手のピッチ、イントネーション、ペースを維持することであり、非常に自然なコミュニケーションを可能にします。