API pro Gemini 3.5 Live Translate API,
vysvětlené

Gemini 3.5 Live Translate je skutečný, specializovaný model od Googlu — uvedený v červnu 2026 — pro téměř okamžitý překlad řeči na řeč ve více než 70 jazycích. Vývojáři k němu přistupují jako k modelu gemini-3.5-live-translate-preview prostřednictvím Gemini Live API a Google také nabízí Live Translate v aplikaci Google Translate a náhled překladu řeči v Google Meet pro oprávněné uživatele. Co ale neexistuje, je hotové „Live Translate API“, které jednoduše zapnete: použití modelu přes API stále znamená vytvořit kolem něj aplikaci.

Tady je část, kterou většina výsledků vyhledávání přehlíží: API je stavební blok, ne hotový nástroj. Pokud jste vývojář, je ten rozdíl vzrušující. Pokud jen potřebujete dnes odpoledne během živého hovoru rozumět klientovi v Tokiu, může z toho být třídenní odbočka.

Určitě jste si všimli, jak rychle se modely Gemini od Googlu vyvíjejí — vycházejí nové verze, rozšiřují se možnosti a dokumentace se mění každé čtvrtletí. Tento průvodce vysvětluje, co Gemini Live API pro překlad skutečně dělá, kolik stojí vývoj s jeho pomocí a kdy je lepší sáhnout po hotovém nástroji v prohlížeči, jako je nástroj pro překlad schůzek v reálném čase, který vůbec nevyžaduje žádný kód.

Co je „Gemini 3.5 Live Translate API“?

Nejprve si ujasněme název. Lidé hledají „Gemini 3.5 Live Translate API“ a očekávají jediné přepnutí, které z Gemini udělá živého tlumočníka. Model je skutečný a má své jméno — ale jako API je to něco, s čím stavíte, ne produkt na jedno kliknutí.

K Gemini 3.5 Live Translate se dostanete přes Gemini Live API, které Google dokumentuje pro vývojáře. Jde o rozhraní s nízkou latencí, které streamuje zvuk dovnitř a odpovědi zpět — text a volitelně i syntetizovanou řeč. Live Translate je specializovaný zvukový model vyladěný právě pro tento úkol, zatímco širší Live API může s jinými modely zvládat i přepis, shrnutí nebo odpovídání na otázky.

Část „3.5“ je verze modelu. Gemini prošel několika generacemi a Google uvádí aktuální možnosti na své stránce modelů. Označení verzí se rychle mění, takže praktická rada je jednoduchá: vyvíjejte proti tomu modelu Gemini, který je pro Live API aktuální, ne proti konkrétnímu číslu, které jste před šesti měsíci četli v titulku blogu.

Jádro myšlenky: jako API je Live Translate model, kolem kterého stavíte, ne hotový produkt, který jen spustíte. Otevřete streamovanou relaci s modelem pro převod řeči na řeč, pošlete mu zvuk a on vám zpět streamuje přeloženou řeč i text. Právě tahle flexibilita je lákadlem pro tvůrce — a třecí plochou pro všechny ostatní.

Chcete přeskočit vývoj úplně a jen číst živý překlad v prohlížeči? Můžete si vyzkoušet MirrorCaption zdarma s jednou hodinou hostovaného přepisu, bez kreditní karty. K tomu se ještě vrátíme — nejdřív si ukážeme, jak funguje cesta přes API.

Jak vývojáři používají Gemini Live API pro překlad

Na technické úrovni má aplikace pro živý překlad postavená na Gemini Live API jasnou strukturu. Každý krok je sám o sobě jednoduchý; práce je v tom, propojit je spolehlivě dohromady.

1. Otevřete streamovanou relaci. Vaše aplikace se ověří pomocí API klíče a otevře trvalé spojení s Live API.
2. Zachytávejte a streamujte zvuk. V prohlížeči nebo na backendu získáte zvuk z mikrofonu (nebo ze schůzky) a streamujete ho, jakmile přichází.
3. Nastavte instrukci. Systémový prompt modelu řekne, co má dělat — například „Přepiš řečníka a přelož do angličtiny“.
4. Přijímejte průběžné výsledky. API streamuje text zpět, zatímco řečník mluví, takže můžete zobrazit překlad ještě před koncem věty.
5. Volitelně jej i přehrajte. Live API může vracet syntetizovaný zvuk, takže vaše aplikace může přeložený hlas přehrát nahlas.

To je opravdu silné. Tým, který staví vlastní produkt pro call centrum, specializovaný kiosk nebo vestavěné zařízení, získá flexibilní engine, který může přesně přizpůsobit svému workflow.

Tady je názorný příklad. Představte si Priyu, vývojářku, která prototypuje dvojjazyčný podpůrný widget. Během odpoledne má demo, které streamuje její hlas do Gemini Live API a na obrazovce vypisuje anglický překlad. Působí to jako magie — dokud nezačne vyjmenovávat, co všechno ještě zbývá, než se toho dotknou skuteční uživatelé: logika opětovného připojení audia, práce s tichem a překrývajícími se mluvčími, limity rychlosti, upozornění na fakturaci, záložní řešení při výpadku spojení uprostřed hovoru a kontrola soukromí. Prototyp byl těch snadných 20 %.

Nic z toho není kritika API. Je to jen upřímný rozdíl mezi demem a produktem. Stejná mezera je důvodem, proč mnoho lidí, kteří chtějí přesný překlad v reálném čase, sáhne raději po hotovém nástroji než po surovém modelovém endpointu.

Kolik ve skutečnosti stojí vývoj s Gemini API

Hlavní náklad je účet za API. Google účtuje Gemini API podle využití, takže cena roste podle modelu, který zvolíte, a podle množství audia a textu, které přes něj pošlete. To je pro vývojáře rozumné a transparentní.

Účet za API ale zřídkakdy představuje skutečný náklad. Vytvoření a provoz funkce pro překlad v produkci znamená také:

• Čas vývojářů na vytvoření audio pipeline, uživatelského rozhraní a zpracování chyb.
• Údržbu, jak se mění verze modelů a vyvíjejí endpointy — ta čtvrtletní změť dokumentace dopadá na váš tým.
• Infrastrukturu pro streamování, škálování a monitoring, jakmile to začne používat víc než pár lidí.
• Práci na souladu s předpisy: kam zvuk putuje, co se loguje a jak to sdělujete uživatelům.

Další názorný příklad. Marco je nezávislý konzultant se dvěma klienty mluvícími mandarínsky. Nepotřebuje API — potřebuje rozumět videohovoru ve čtvrtek. Kdyby ho někdo poslal na Gemini Live API, znamenalo by to najmout vývojáře, aby postavil něco, co bude používat dvě hodiny měsíčně. Ta matematika nikdy nevychází. Marco chce výsledek, ne stavební blok.

Tohle rozdělení — tvůrci versus všichni ostatní — je skutečný rozhodovací bod. Udělejme to tedy konkrétní.

API vs. hotový nástroj: co vlastně potřebujete?

Pokud se rozhodujete mezi vývojem na Gemini Live API a použitím hotového překladového nástroje, tahle tabulka ukazuje kompromis. Neexistuje špatná odpověď — záleží na tom, zda chcete stavební blok, nebo výsledek.

Pokud dodáváte vlastní produkt, kde je překlad jen jednou z mnoha složek, je API správný nástroj. Pokud je překlad samotná práce, hotový nástroj vyhrává ve všech ohledech kromě „nekonečné přizpůsobitelnosti“.

MirrorCaption: překlad v reálném čase bez psaní kódu

MirrorCaption je ta hotová strana tabulky. Je to webová aplikace pro přepis a překlad v reálném čase, která podporuje 50+ volitelných jazyků, bez nutnosti cokoli instalovat a bez schvalování meeting bota.

Pro online schůzky Meet mode zachytává zvuk z karty schůzky v desktopovém Chromu nebo Microsoft Edge. Do hovoru se nepřipojuje žádný bot, takže v seznamu účastníků nesedí žádný trapný „asistent pro nahrávání“. Funguje vedle webových verzí Zoomu, Teams, Meet i Webexu — vyberte si, co zvolil hostitel.

Pro osobní rozhovory promění Talk mode váš telefon v nepřetržitou tlumočnickou relaci. Spustíte ho jednou a oba lidé mluví postupně; není to slovníček typu klepni a čekej. A se Speak Translations může MirrorCaption číst váš přeložený projev nahlas v druhém jazyce — takže člověk naproti stolu zprávu nejen vidí jako titulek, ale i ji slyší.

Je tu několik detailů, které jsou důležité pro lidi v situaci Priyi a Marca:

• Žádný kód, žádný API klíč. Hostovaná vrstva přepisu a překladu je spravována za vás.
• Soukromí na prvním místě. Zvuk ze schůzky proudí přes váš prohlížeč a neukládá se na našich serverech — ukládají se jen přepisy, které se rozhodnete uložit, a to lokálně.
• AI shrnutí. Průběžné shrnutí se aktualizuje, jak schůzka pokračuje, takže i pozdě příchozí se může během jednoho přečtení zorientovat.
• Jednoduché ceny. Jedna hodina zdarma na vyzkoušení (jednorázově, bez měsíčního resetu), Pro Yearly za €54.99 se 110 hodinami hostovaného přepisu v ceně, nebo jednorázový doživotní plán za €99 se 200 hodinami v ceně a všemi budoucími aktualizacemi. Další hodiny pocházejí z Voice Packs a zákazníci s doživotním plánem mají nejnižší cenu za hodinu.

Je to rozdíl mezi pronájmem motoru a řízením hotového auta. Pokud zvažujete i jiné možnosti, naše srovnání s OpenAI Whisper pokrývá stejnou otázku vývoje versus používání pro převod řeči na text a stránka alternativy k překladu v Google Meet se věnuje titulkům přímo v platformě.

Tři způsoby, jak lidé dnes používají živý překlad

Tyto krátké názorné scénáře ukazují, kde si hotový nástroj zaslouží své místo oproti surovému API.

Obchodní hovory přes hranice

Zakladatelka v Berlíně má hovor s potenciálním klientem v São Paulu. Meet mode zobrazuje konverzaci v němčině na její obrazovce, zatímco zájemce mluví portugalsky, a Speak Translations její odpovědi namluví zpět. Nebyl potřeba žádný vývojář — před hovorem jen otevřela kartu.

Návštěvy lékaře na cestách

Cestovatel v Japonsku podá svůj telefon přes stůl v ordinaci. Talk mode udržuje jednu nepřetržitou relaci, zatímco konverzace plyne tam a zpět, takže nikdo nemusí po každé větě zastavovat a mačkat tlačítko.

Vícejazyčné standupy

Rozptýlený tým má každodenní standup, kde inženýr ze Šanghaje, produktová manažerka z Berlína a designér z Lisabonu čtou schůzku každý ve svém jazyce — během hovoru, ne v přepisu poslaném e-mailem až potom. Širší souvislosti najdete v našem průvodci živými titulky.

Často kladené otázky

Existuje Gemini 3.5 Live Translate API?

Ano — Gemini 3.5 Live Translate je skutečný, specializovaný model od Googlu (kód modelu gemini-3.5-live-translate-preview) pro překlad řeči na řeč v reálném čase. Vývojáři k němu přistupují přes Gemini Live API; jen neexistuje žádný hotový „API produkt“, který byste zapnuli bez vytvoření aplikace. Google také nabízí Live Translate v aplikaci Google Translate a v náhledu překladu řeči v Google Meet.

Umí Gemini překládat řeč v reálném čase?

Ano. Gemini Live API podporuje obousměrné streamování audia s nízkou latencí, takže můžete streamovat zvuk z mikrofonu dovnitř a dostávat zpět přeložený text nebo mluvený zvuk, zatímco někdo stále mluví — pokud kolem toho vytvoříte samotnou aplikaci.

Musím umět programovat, abych mohl používat Gemini Live API?

Ano. Je to rozhraní pro vývojáře. Musíte psát kód, spravovat API klíč, zachytávat a streamovat zvuk a řešit chyby i škálování. Pro ne-vývojáře, kteří chtějí jen přeložený výsledek, je lepší hotový nástroj.

Kolik stojí Gemini Live API?

Gemini API se účtuje podle využití, takže cena závisí na modelu a na tom, kolik audia a textu zpracujete. Google aktuální sazby zveřejňuje na své stránce s cenami. Počítejte i s časem vývojářů — samotné API je jen část nákladů.

Jaký je nejjednodušší způsob, jak přeložit živou schůzku bez API?

Použijte hotový nástroj v prohlížeči. MirrorCaption běží v desktopovém Chromu nebo Edge, zachytává zvuk z karty schůzky bez připojení bota do hovoru a zobrazuje překlad v reálném čase ve více než 50 jazycích. Není třeba nic programovat ani spravovat API klíč.

Stručně řečeno

Pokud jste hledali „Gemini 3.5 Live Translate API“, upřímná odpověď je, že model je skutečný — ale přístup přes API vám dává mocný stavební blok, ne hotový produkt. Může bez problémů pohánět živý překlad pro týmy, které mají čas a kapacitu ho vyvíjet, udržovat a škálovat.

Pro všechny ostatní — konzultanta se dvěma klienty, cestovatele v ordinaci, tým, který si dnes na hovoru prostě chce rozumět — je stavební blok zbytečně moc. Chcete výsledek, a chcete ho hned. Přesně to dodá nástroj v prohlížeči: otevřete kartu, vyberete jazyky a čtete každé slovo ve svém jazyce, zatímco konverzace ještě probíhá.

Tvůrci, tvořte. Všichni ostatní, přeskočte kód a začněte překládat.