Google выпустила технологию синхронного перевода речи с поддержкой свыше 70 языков мира

Google представила новую модель голосового перевода Gemini 3.5 Live Translate, которая может менять язык разговора практически в реальном времени. Система поддерживает более 70 языков и пытается сохранить не только смысл сказанного, но и голос, интонацию и темп речи говорящего. В компании говорят, что это должно сделать общение между людьми из разных стран более естественным и менее "машинным".

Главное отличие новой технологии в том, что она не ждёт, пока человек закончит фразу. В обычных системах перевод появляется только после паузы. Здесь же модель анализирует речь прямо во время разговора и выдаёт перевод с задержкой всего в несколько секунд. Поэтому диалог можно вести почти без заметных остановок.

Система также умеет автоматически определять язык, без ручных настроек, и работает даже в шумной обстановке. По задумке Google, её можно использовать для международных звонков, видеоконференций, онлайн-обучения, стримов и любых ситуаций, где нужен быстрый перевод речи.

Новая технология уже начинает появляться в экосистеме компании (взаимосвязанная сеть сервисов, приложений и устройств, работающая через единый аккаунт). Разработчики получили доступ к ней через Gemini Live API и платформу Google AI Studio. Корпоративные клиенты смогут протестировать перевод в Google Meet, а пользователи Android и iOS - через обновлённый Google Translate.

Одним из первых партнёров стала компания Grab, которая тестирует систему в сервисе поездок: она обрабатывает более 10 миллионов голосовых звонков в месяц. По словам представителей компании, перевод стал точнее, а задержка - заметно меньше.

Google также запустила закрытое тестирование для клиентов Google Workspace, а более широкий релиз ожидается к концу года. В новой версии поддержка расширена с пяти до более чем 70 языков, что позволяет строить свыше 2000 языковых комбинаций для перевода.

В мобильном приложении Google Translate появится отдельный "режим прослушивания": пользователь сможет приложить телефон к уху и слышать перевод как обычный звонок.

Все аудиоданные, созданные системой, маркируются цифровым водяным знаком SynthID, который помогает отличать контент, созданный искусственным интеллектом, и снижает риск распространения подделок и дезинформации.