Gemini 3.5 Live Translateは、Googleが2026年6月9日に公開した、ほぼリアルタイムの音声対音声翻訳モデルである。ユーザーの発話言語を自動的に検出し、70以上の言語と2,000以上の言語ペアで翻訳された音声を連続的に生成することが特徴である。一般的な音声翻訳が、音声をテキストに変換し、翻訳し、再度音声に合成する複数のステップをユーザーに提示するのに対し、このモデルは通訳者が隣で発話を追跡し、即座に伝えるように、発話が完全に終わる前から翻訳を開始する。入力話者のイントネーション、話す速度、音高まで保持するように設計されており、翻訳文の意味だけでなく、伝達方法も維持することに重点を置いている。 従来の自動通訳は、文が終わるまで待つ必要がある遅延、段階的な処理の過程で発生するリズムの喪失、周囲の騒音による認識の低下のために、自然な会話を妨げる可能性がある。特に、発表者の強調や患者の不安な声など、話し方そのものが重要な状況では、正確なテキストだけを伝えても、情報の一部が失われる。連続ストリーミング翻訳は、このような断絶を減らし、元の話者の発話特性を反映した出力で会話の流れを維持するという点で、従来の翻訳とは異なる。騒音のある環境をサポートするという公開情報も、現場インタビュー、国際イベント、移動中の会話など、制御されていない環境での活用可能性を示している。 生命科学の研究者は、多国籍共同研究会議で、異なる言語を使用する研究者たちの議論をリアルタイムで中継する目的で活用できる。例えば、顕微鏡観察の結果や臨床試験の運営に関する問題を画面で共有しながら、Live Translateを音声チャンネルに接続すると、70以上のサポート言語の中から自動的に検出された発話を、相手の研究者の言語で伝えるワークフローを構築できる。話者の速度とイントネーションを保持する特性は、質問、反論、危険信号などの発話意図を、一般的な単調な音声合成よりも自然に伝えるのに役立つ可能性がある。ただし、会議プラットフォームとの連携方法、APIの提供範囲、サポート地域、およびデータ処理ポリシーについては、公式ドキュメントで追加の確認が必要である。 国際的な患者インタビューや多言語の現地調査においても、補助通訳のレイヤーとして検討できる。研究者は、元の音声を別途保存し、専門の通訳または検証済みの書き起こし結果を基準資料として、Live Translateを会話の流れを支援するリアルタイムチャンネルとして使用できる。2,000以上の言語ペアは、参加者ごとに中間共通言語を経由する必要がない運用可能性を提供するが、医学用語の正確性、話者分離、数字・薬物名の処理性能は、提供された情報だけでは確認できない。したがって、臨床的な意思決定や同意の取得に単独で使用するのではなく、人間のレビューと原文との照合を含む研究用の補助手段として評価する必要がある。

Gemini 3.5 Live Translateは、Googleが2026年6月9日に公開した、ほぼリアルタイムの音声対音声翻訳モデルである。ユーザーが話した言語を自動的に検出し、70以上の言語と2,000以上の言語ペアで翻訳された音声を連続的に生成することが特徴である。一般的な音声翻訳では、音声をテキストに変換し、翻訳し、再び音声に合成するなどの複数のステップをユーザーに提示するのに対し、このモデルは通訳者が隣で文章を追いながら即座に伝えるように、発話が完全に終わる前から翻訳を開始する。入力音声の発話者のイントネーション、話す速度、音高を考慮する。