Gemini 3.5 Live Translate

Gemini 3.5 Live Translate は、gemini-3.5-live-translate-preview モデルを使用して、70 以上の言語間で低レイテンシのリアルタイム音声翻訳をサポートします。Agent Platform から利用できます。翻訳設定で Live API を構成すると、ある言語で音声をストリーミングし、別の言語で翻訳された音声出力を受信できるため、シームレスなリアルタイムのマイボイス通訳が可能になります。

まず、Gemini 3.5 Live Translate の入門ノートブックをご覧ください。

ライブ配信の翻訳

BidiGenerateContent（Live）API は、永続的な双方向 WebSocket 接続を維持します。未加工の音声チャンクをセッションにストリーミングし、翻訳された音声チャンクとオプションの文字起こしをリアルタイムで受信します。

import asyncio
from google import genai
from google.genai import types

# Initialize the client for Vertex AI / Agent Platform
client = genai.Client(enterprise=True, project=PROJECT_ID, location=LOCATION)

model = "gemini-3.5-live-translate-preview"
config = types.LiveConnectConfig(
    response_modalities=["AUDIO"],
    input_audio_transcription=types.AudioTranscriptionConfig(),
    output_audio_transcription=types.AudioTranscriptionConfig(),
    translation_config=types.TranslationConfig(
        target_language_code="pl",
        echo_target_language=True,
    ),
)

async def streaming_translation(audio_stream_generator):
    async with client.aio.live.connect(model=model, config=config) as session:
        # In a complete implementation, stream audio chunks concurrently:
        # async for chunk in audio_stream_generator:
        #     await session.send_realtime_input(
        #         audio=types.Blob(data=chunk, mime_type="audio/pcm;rate=16000")
        #     )

        async for response in session.receive():
            if response.server_content:
                server_content = response.server_content

                if server_content.input_transcription:
                    print(f"Input transcript: {server_content.input_transcription.text}")

                if server_content.output_transcription:
                    print(f"Output transcript: {server_content.output_transcription.text}")

                if server_content.model_turn:
                    for part in server_content.model_turn.parts:
                        if part.inline_data:
                            translated_audio_chunk = part.inline_data.data
                            # Process or stream translated audio (24kHz PCM)
                            print(f"Received translated audio: {len(translated_audio_chunk)} bytes")

オーディオ仕様

音声を未加工のリトル エンディアン 16 ビット リニア PCM としてストリーミングします。

  • 入力形式: 16 kHz の 16 ビット リニア PCM（モノラル、リトル エンディアン）。

  • 出力形式: 24kHz の 16 ビット リニア PCM（モノラル、リトル エンディアン）。

  • ストリーミング チャンクサイズ: スループットとレイテンシの最適なバランスを実現するには、100 ミリ秒のチャンクをおすすめします。

# Streaming an audio chunk to an active session
await session.send_realtime_input(
    audio=types.Blob(
        data=pcm_bytes,
        mime_type="audio/pcm;rate=16000",
    )
)

構成

ライブ翻訳は、TranslationConfig を LiveConnectConfig にアタッチすることで構成されます。

構成パラメータ

  • target_language_code （文字列）: 目的の出力言語の BCP-47 言語コード（例: "pl"、"es"、"ja"）。デフォルトは "en" です。
  • echo_target_language （ブール値）: 音声入力がすでにターゲット言語になっている場合の動作を制御します。
    • True: モデルは、入力音声を再現して出力ストリームにエコーします。
    • False: 入力がターゲット言語と一致する場合、モデルは音声を出力しません。デフォルトは False です。
  • input_audio_transcription (AudioTranscriptionConfig): 省略可。受信ソース音声の同期テキスト音声文字変換を有効にします。
  • output_audio_transcription (AudioTranscriptionConfig): 省略可。送信される翻訳音声の同期テキスト文字起こしを有効にします。

言語サポート

Gemini 3.5 Live Translate では、次の言語と BCP-47 言語コードがサポートされています。

言語 BCP-47 コード 言語 BCP-47 コード
アフリカーンス語 af カザフ語 kk
アカン語 ak クメール語 km
アルバニア語 sq キニヤルワンダ語 rw
アムハラ語 am 韓国語 ko
アラビア語 ar ラオ語 lo
アルメニア語 hy ラトビア語 lv
アゼルバイジャン語 az リトアニア語 lt
バスク語 eu マケドニア語 mk
ベラルーシ語 be マレー語 ms
ベンガル語 bn マラヤーラム語 ml
ブルガリア語 bg マラーティー語 mr
ビルマ語（ミャンマー） my モンゴル語 mn
カタルーニャ語 ca ネパール語 ne
中国語（簡体） zh-Hans ノルウェー語 no、nb
中国語（繁体） zh-Hant ペルシャ語 fa
クロアチア語 hr ポーランド語 pl
チェコ語 cs ポルトガル語（ブラジル） pt-BR
デンマーク語 da ポルトガル語（ポルトガル） pt-PT
オランダ語 nl パンジャブ語 pa
英語 en ルーマニア語 ro
エストニア語 et ロシア語 ru
フィリピン語 fil セルビア語 sr
フィンランド語 fi シンド語 sd
フランス語 fr シンハラ語 si
ガリシア語 gl スロバキア語 sk
ジョージア語 ka スロベニア語 sl
ドイツ語 de スペイン語 es
ギリシャ語 el スンダ語 su
グジャラート語 gu スワヒリ語 sw
ハウサ語 ha スウェーデン語 sv
ヘブライ語 he タミル語 ta
ヒンディー語 hi テルグ語 te
ハンガリー語 hu タイ語 th
アイスランド語 is トルコ語 tr
インドネシア語 id ウクライナ語 uk
イタリア語 it ウルドゥー語 ur
日本語 ja ウズベク語 uz
ジャワ語 jv ベトナム語 vi
カンナダ語 kn ズールー語 zu

ベスト プラクティス

  • 一貫したサンプリングを維持する: 音声入力が 16 kHz モノラル PCM に厳密に準拠するようにして、ピッチシフトや音声アーティファクトを防ぎます。

  • 音響環境への対応: モデルは適度な周囲のノイズをフィルタしますが、強いバックグラウンド ノイズや複数の話者の声が重なると、翻訳が曖昧になる可能性があります。

  • ユースケースごとにエコーモードを評価する: 一方向の通訳設定では、echo_target_language=False に設定して、話者がすでにターゲット言語を使用している場合に不要な再ブロードキャストを抑制します。

料金

モデル ID ['gemini-3.5-live-translate-preview']
モダリティ
テキスト 出力のみ
画像 サポート対象外
音声 入力と出力
動画 サポート対象外
機能
ツール
API
使用オプション
サポートされるリージョン

モデルの提供

  • グローバル: global
バージョン
  • gemini-3.5-live-translate-preview
    • リリース ステージ: プレビュー
    • リリース日: 2026 年 8 月