Die Gemini 3.5 Live Translate API,
erklärt

Gemini 3.5 Live Translate ist ein echtes, dediziertes Google-Modell — veröffentlicht im Juni 2026 — für nahezu Echtzeit-Sprach-zu-Sprach-Übersetzungen in über 70 Sprachen. Entwickler greifen über die Gemini Live API als Modell gemini-3.5-live-translate-preview darauf zu, und Google bietet Live Translate außerdem über die Google-Translate-App sowie die Speech-Translation-Vorschau in Google Meet für berechtigte Nutzer an. Was es nicht gibt, ist eine fertige „Live Translate API“, die man einfach einschaltet: Das Modell über die API zu nutzen bedeutet immer noch, die App darum herum zu bauen.

Hier ist der Punkt, den die meisten Suchergebnisse übergehen: Eine API ist ein Baustein, kein fertiges Werkzeug. Wenn du Entwickler bist, ist dieser Unterschied spannend. Wenn du heute Nachmittag in einem Live-Call einfach nur einen Kunden in Tokio verstehen musst, kann das ein dreiwöchiger Umweg sein.

Du hast wahrscheinlich bemerkt, wie schnell sich Googles Gemini-Modelle bewegen — neue Versionen erscheinen, Funktionen werden erweitert, und die Dokumentation ändert sich jedes Quartal. Dieser Leitfaden erklärt, was die Gemini Live API für Übersetzungen wirklich leistet, was die Entwicklung damit kostet und wann du mit einem fertigen, browserbasierten Echtzeit-Übersetzungstool für Meetings besser fährst, das ganz ohne Code auskommt.

Was ist die „Gemini 3.5 Live Translate API“?

Zuerst klären wir den Namen. Viele suchen nach einer „Gemini 3.5 Live Translate API“ und erwarten einen einzigen Schalter, der Gemini in einen Live-Dolmetscher verwandelt. Das Modell ist real und benannt — aber als API ist es etwas, mit dem du baust, kein Produkt, das du mit einem Klick aktivierst.

Du erreichst Gemini 3.5 Live Translate über die Gemini Live API, die Google für Entwickler dokumentiert. Es ist eine Low-Latency-Schnittstelle, die Audio hinein- und Antworten wieder herausstreamt — Text und optional synthetische Sprache. Live Translate ist das dedizierte Audiomodell, das für diese Aufgabe optimiert ist, während die breitere Live API mit anderen Modellen auch Transkription, Zusammenfassungen oder Frage-Antwort-Aufgaben übernehmen kann.

Der Teil „3.5“ ist eine Modellversion. Gemini ist durch mehrere Generationen gegangen, und Google listet die aktuellen Optionen auf seiner Modellseite. Das Branding der Versionen ändert sich schnell, daher ist der praktische Rat einfach: Entwickle gegen das jeweils aktuelle Gemini-Modell für die Live API, nicht gegen eine bestimmte Zahl, die du vor sechs Monaten in einer Blog-Schlagzeile gelesen hast.

Die Kernidee: Als API ist Live Translate ein Modell, um das du herum baust, kein fertiges Produkt, das du einfach abspielst. Du öffnest eine Streaming-Sitzung mit dem Speech-to-Speech-Modell, speist Audio ein, und es streamt übersetzte Sprache und Text zurück. Diese Flexibilität ist der Reiz für Entwickler — und die Hürde für alle anderen.

Du willst den Build ganz überspringen und Übersetzungen live einfach im Browser lesen? Du kannst MirrorCaption kostenlos ausprobieren — mit einer Stunde gehosteter Transkription, ganz ohne Kreditkarte. Darauf kommen wir gleich zurück — zuerst schauen wir uns an, wie der API-Weg funktioniert.

Wie Entwickler die Gemini Live API für Übersetzungen nutzen

Auf technischer Ebene folgt eine Live-Übersetzungs-App auf Basis der Gemini Live API einer klaren Struktur. Jeder Schritt ist für sich genommen unkompliziert; die Arbeit steckt darin, sie zuverlässig miteinander zu verbinden.

1. Eine Streaming-Sitzung öffnen. Deine App authentifiziert sich mit einem API-Schlüssel und öffnet eine dauerhafte Verbindung zur Live API.
2. Audio erfassen und streamen. Du nimmst Mikrofon- (oder Meeting-)Audio im Browser oder im Backend auf und streamst es, sobald es ankommt.
3. Die Anweisung festlegen. Ein System-Prompt sagt dem Modell, was es tun soll — zum Beispiel: „Transkribiere die sprechende Person und übersetze ins Englische.“
4. Teilresultate empfangen. Die API streamt Text zurück, während die Person spricht, sodass du die Übersetzung anzeigen kannst, bevor der Satz endet.
5. Optional zurücksprechen. Die Live API kann synthetisches Audio zurückgeben, sodass deine App die übersetzte Stimme laut abspielen kann.

Das ist wirklich leistungsstark. Ein Team, das ein individuelles Call-Center-Produkt, einen Nischen-Kiosk oder ein eingebettetes Gerät entwickelt, bekommt eine flexible Engine, die sich exakt an den eigenen Workflow anpassen lässt.

Hier ein anschauliches Beispiel. Stell dir Priya vor, eine Entwicklerin, die einen zweisprachigen Support-Widget-Prototypen baut. An einem Nachmittag hat sie eine Demo, die ihre Stimme an die Gemini Live API streamt und die englische Übersetzung auf dem Bildschirm ausgibt. Es fühlt sich wie Magie an — bis sie auflistet, was noch fehlt, bevor echte Nutzer damit arbeiten können: Logik für Audio-Wiederverbindungen, Umgang mit Stille und überlappenden Sprechern, Ratenlimits, Billing-Alerts, ein Fallback, wenn die Verbindung mitten im Gespräch abbricht, und eine Datenschutzprüfung. Der Prototyp war die einfachen 20 %.

Das ist kein Vorwurf an die API. Es ist einfach der ehrliche Unterschied zwischen einer Demo und einem Produkt. Dieselbe Lücke ist der Grund, warum viele Menschen, die präzise Echtzeit-Übersetzungen wollen, lieber zu einem fertigen Tool greifen als zu einem rohen Modell-Endpunkt.

Was die Entwicklung mit der Gemini API wirklich kostet

Die offensichtlichen Kosten sind die API-Rechnung. Google berechnet die Gemini API nach Nutzung, daher skaliert der Preis mit dem gewählten Modell und der Menge an Audio und Text, die du darüber verarbeitest. Das ist für Entwickler fair und transparent.

Aber die API-Rechnung ist selten die eigentlichen Kosten. Eine Übersetzungsfunktion produktiv zu bauen und zu betreiben bedeutet außerdem:

• Entwicklungszeit, um die Audio-Pipeline, die UI und das Fehlerhandling zu bauen.
• Wartung, wenn sich Modellversionen ändern und Endpunkte weiterentwickeln — diese vierteljährliche Dokumentationsflut landet bei deinem Team.
• Infrastruktur für Streaming, Skalierung und Monitoring, sobald mehr als ein paar Personen das System nutzen.
• Compliance-Arbeit: wohin Audio geht, was protokolliert wird und wie du Nutzer informierst.

Noch ein anschauliches Beispiel. Marco ist freiberuflicher Berater mit zwei mandarinsprachigen Kunden. Er braucht keine API — er muss am Donnerstag ein Videogespräch verstehen. Ihn zur Gemini Live API zu schicken würde bedeuten, einen Entwickler zu bezahlen, der etwas baut, das er zwei Stunden im Monat nutzt. Die Rechnung geht nie auf. Marco will das Ergebnis, nicht den Baustein.

Diese Trennung — Entwickler versus alle anderen — ist der eigentliche Entscheidungspunkt. Machen wir es also konkret.

API vs. fertiges Tool: Was brauchst du wirklich?

Wenn du zwischen einer Lösung auf Basis der Gemini Live API und einem fertigen Übersetzungstool wählst, zeigt diese Tabelle den Kompromiss. Es gibt keine falsche Antwort — es hängt davon ab, ob du einen Baustein oder ein Ergebnis willst.

Wenn du ein individuelles Produkt auslieferst, bei dem Übersetzung nur eine Zutat unter vielen ist, ist die API das richtige Werkzeug. Wenn Übersetzung die Aufgabe ist, gewinnt ein fertiges Tool in jeder Zeile, die nicht „unendliche Anpassbarkeit“ heißt.

MirrorCaption: Echtzeit-Übersetzung ohne Code

MirrorCaption ist die fertige Tool-Seite dieser Tabelle. Es ist eine browserbasierte App für Echtzeit-Transkription und -Übersetzung mit Unterstützung für 50+ auswählbare Sprachen, ganz ohne Installation und ohne Meeting-Bot, den man genehmigen müsste.

Für Online-Meetings erfasst der Meet-Modus das Audio deines Meeting-Tabs in Desktop-Chrome oder Microsoft Edge. Kein Bot tritt dem Call bei, also gibt es keinen peinlichen „Aufzeichnungsassistenten“ in der Teilnehmerliste. Es funktioniert mit browserbasiertem Zoom, Teams, Meet und Webex — du wählst einfach die Plattform, die dein Gastgeber verwendet.

Für Gespräche von Angesicht zu Angesicht verwandelt der Talk-Modus dein Telefon in eine fortlaufende Dolmetscher-Sitzung. Du startest ihn einmal, und beide Personen sprechen abwechselnd; es ist kein Tippen-und-Warten-Wörterbuch. Und mit Speak Translations kann MirrorCaption deine übersetzte Sprache in der anderen Sprache laut vorlesen — sodass die Person dir gegenüber die Botschaft hört und nicht nur eine Beschriftung sieht.

Ein paar Details, die für Menschen in Priyas und Marcos Lage wichtig sind:

• Kein Code, kein API-Schlüssel. Die gehostete Transkriptions- und Übersetzungsebene wird für dich verwaltet.
• Datenschutz zuerst. Meeting-Audio läuft über deinen Browser und wird nicht auf unseren Servern gespeichert — nur die Transkripte, die du speicherst, werden lokal aufbewahrt.
• KI-Zusammenfassungen. Eine laufende Zusammenfassung wird während des Meetings aktualisiert, sodass ein später Hinzukommender in einem Durchgang aufholen kann.
• Einfache Preisgestaltung. Eine kostenlose Stunde zum Ausprobieren (einmalig, kein monatlicher Reset), Pro Yearly für €54.99 mit 110 Stunden gehosteter Transkription inklusive oder ein €99 Einmal-Lifetime-Plan mit 200 Stunden inklusive und allen zukünftigen Updates. Zusätzliche Stunden kommen über Voice Packs, und Lifetime-Kunden erhalten den niedrigsten Preis pro Stunde.

Es ist der Unterschied zwischen einem Motor, den man mietet, und einem fertigen Auto, das man fährt. Wenn du auch andere Optionen abwägst, behandelt unser OpenAI-Whisper-Vergleich dieselbe Frage „selbst bauen oder nutzen“ für Speech-to-Text, und die Seite Google Meet translation alternative behandelt Untertitel direkt in der Plattform.

Drei Wege, wie Menschen Live-Übersetzung heute nutzen

Diese kurzen, anschaulichen Szenarien zeigen, wo ein fertiges Tool gegenüber einer rohen API seinen Platz verdient.

Vertriebsgespräche über Grenzen hinweg

Eine Gründerin in Berlin führt ein Gespräch mit einem Interessenten in São Paulo. Der Meet-Modus zeigt das Gespräch auf ihrem Bildschirm auf Deutsch, während der Interessent Portugiesisch spricht, und Speak Translations spricht ihre Antworten zurück. Kein Entwickler war beteiligt — sie hat vor dem Gespräch einfach einen Tab geöffnet.

Arztbesuche auf Reisen

Eine Reisende in Japan reicht ihr Telefon über den Schreibtisch in einer Klinik. Der Talk-Modus hält eine durchgehende Sitzung am Laufen, während das Gespräch hin und her geht, sodass niemand für jeden Satz pausieren und eine Taste drücken muss.

Mehrsprachige Stand-ups

Ein verteiltes Team hält ein tägliches Stand-up ab, bei dem der Ingenieur aus Shanghai, die PM aus Berlin und die Designerin aus Lissabon das Meeting jeweils in ihrer eigenen Sprache lesen — während des Calls, nicht erst in einem später per E-Mail verschickten Transkript. Das größere Muster siehst du in unserem Leitfaden zu Live-Untertiteln.

Häufig gestellte Fragen

Gibt es eine Gemini 3.5 Live Translate API?

Ja — Gemini 3.5 Live Translate ist ein echtes, dediziertes Google-Modell (Modellcode gemini-3.5-live-translate-preview) für Echtzeit-Sprach-zu-Sprach-Übersetzungen. Entwickler greifen über die Gemini Live API darauf zu; es gibt nur kein fertiges „API-Produkt“, das man ohne App-Entwicklung einschaltet. Google bietet Live Translate außerdem über die Google-Translate-App und die Speech-Translation-Vorschau in Google Meet an.

Kann Gemini Sprache in Echtzeit übersetzen?

Ja. Die Gemini Live API unterstützt bidirektionales Audio-Streaming mit geringer Latenz, sodass du Mikrofon-Audio hineinstreamen und übersetzten Text oder gesprochene Audioausgabe zurückerhalten kannst, während jemand noch spricht — vorausgesetzt, du baust die umgebende Anwendung.

Muss ich programmieren, um die Gemini Live API zu nutzen?

Ja. Es ist eine Entwickler-Schnittstelle. Du musst Code schreiben, einen API-Schlüssel verwalten, Audio erfassen und streamen sowie Fehler und Skalierung handhaben. Nicht-Entwickler, die nur das übersetzte Ergebnis wollen, sind mit einem fertigen Tool besser bedient.

Wie viel kostet die Gemini Live API?

Die Gemini API wird nach Nutzung abgerechnet, daher hängt der Preis vom Modell und davon ab, wie viel Audio und Text du verarbeitest. Google veröffentlicht die aktuellen Tarife auf seiner Preisseite. Plane auch Entwicklungszeit ein — die API selbst ist nur ein Teil der Kosten.

Was ist der einfachste Weg, ein Live-Meeting ohne API zu übersetzen?

Nutze ein fertiges Browser-Tool. MirrorCaption läuft in Desktop-Chrome oder Edge, erfasst Meeting-Tab-Audio, ohne dass ein Bot dem Call beitritt, und zeigt Echtzeit-Übersetzungen in 50+ Sprachen an. Es gibt nichts zu programmieren und keinen API-Schlüssel zu verwalten.

Das Fazit

Wenn du nach einer „Gemini 3.5 Live Translate API“ gesucht hast, ist die ehrliche Antwort: Das Modell ist real — aber der Zugriff über die API gibt dir einen leistungsstarken Baustein, kein fertiges Produkt. Es kann Live-Übersetzungen absolut antreiben, für Teams mit der Entwicklungszeit, um darum herum zu bauen, es zu warten und zu skalieren.

Für alle anderen — den Berater mit zwei Kunden, die Reisende in einer Klinik, das Team, das sich heute einfach nur verstehen will — ist der Baustein überdimensioniert. Du willst das Ergebnis, und du willst es jetzt. Genau das liefert ein browserbasiertes Tool: Tab öffnen, Sprachen auswählen und jedes Wort in deiner eigenen Sprache lesen, während das Gespräch noch läuft.

Entwickler, baut. Alle anderen: den Code überspringen und mit dem Übersetzen anfangen.