La API de Gemini 3.5 Live Translate,
explicada

Gemini 3.5 Live Translate es un modelo real y específico de Google — lanzado en junio de 2026 — para traducción de voz a voz casi en tiempo real en más de 70 idiomas. Los desarrolladores acceden a él como el modelo gemini-3.5-live-translate-preview a través de la Gemini Live API, y Google también ofrece Live Translate mediante la app de Google Translate y la vista previa de traducción de voz de Google Meet para usuarios elegibles. Lo que no existe es una "Live Translate API" lista para usar que simplemente actives: usar el modelo a través de la API sigue significando construir la aplicación alrededor de él.

Esta es la parte que la mayoría de los resultados de búsqueda pasan por alto: una API es un bloque de construcción, no una herramienta terminada. Si eres desarrollador, esa diferencia es emocionante. Si solo necesitas entender a un cliente en Tokio durante una llamada en directo esta tarde, puede convertirse en un desvío de tres semanas.

Seguro que has notado lo rápido que avanzan los modelos Gemini de Google: salen nuevas versiones, se amplían las capacidades y la documentación cambia cada trimestre. Esta guía explica qué hace realmente la Gemini Live API para la traducción, cuánto cuesta desarrollarla y cuándo te conviene más una herramienta terminada basada en navegador, de traducción de reuniones en tiempo real, que no requiere nada de código.

¿Qué es la "Gemini 3.5 Live Translate API"?

Aclaremos primero el nombre. La gente busca una "Gemini 3.5 Live Translate API" esperando un único interruptor que convierta Gemini en un intérprete en directo. El modelo es real y tiene nombre, pero como API es algo con lo que construyes, no un producto de un clic.

Accedes a Gemini 3.5 Live Translate a través de la Gemini Live API, documentada por Google para desarrolladores. Es una interfaz de baja latencia que transmite audio de entrada y devuelve respuestas en streaming: texto y, opcionalmente, voz sintetizada. Live Translate es el modelo de audio específico ajustado para esta tarea, mientras que la Live API más amplia también puede gestionar transcripción, resúmenes o preguntas y respuestas con otros modelos.

La parte "3.5" es una versión del modelo. Gemini ha pasado por varias generaciones, y Google enumera las opciones actuales en su página de modelos. La marca de versión cambia rápido, así que el consejo práctico es sencillo: desarrolla sobre el modelo Gemini que esté vigente para la Live API, no sobre un número concreto que leíste hace seis meses en el titular de un blog.

La idea central: como API, Live Translate es un modelo alrededor del cual construyes, no un producto terminado que pulsas para poner en marcha. Abres una sesión de streaming con el modelo de voz a voz, le envías audio y este devuelve voz y texto traducidos en streaming. Esa flexibilidad es lo atractivo para quienes construyen soluciones, y la fricción para todos los demás.

¿Quieres saltarte por completo el desarrollo y simplemente leer la traducción en directo en tu navegador? Puedes probar MirrorCaption gratis con una hora de transcripción alojada, sin tarjeta de crédito. Volveremos a eso; primero, veamos cómo funciona la vía de la API.

Cómo usan los desarrolladores la Gemini Live API para traducir

A nivel técnico, una aplicación de traducción en directo basada en la Gemini Live API sigue una estructura clara. Cada paso es sencillo por separado; el trabajo está en conectarlos de forma fiable.

1. Abrir una sesión de streaming. Tu aplicación se autentica con una clave de API y abre una conexión persistente con la Live API.
2. Capturar y transmitir audio. Tomas el audio del micrófono (o de la reunión) en el navegador o en tu backend y lo transmites a medida que llega.
3. Establecer la instrucción. Un prompt del sistema le dice al modelo qué hacer; por ejemplo, "Transcribe al hablante y traduce al inglés".
4. Recibir resultados parciales. La API devuelve texto en streaming mientras habla la persona, para que puedas mostrar la traducción antes de que termine la frase.
5. Opcionalmente, reproducirlo en voz alta. La Live API puede devolver audio sintetizado, de modo que tu aplicación puede reproducir la voz traducida en alto.

Esto es realmente potente. Un equipo que construye un producto personalizado para un centro de llamadas, un quiosco especializado o un dispositivo integrado obtiene un motor flexible que puede adaptar exactamente a su flujo de trabajo.

He aquí un ejemplo ilustrativo. Imagina a Priya, una desarrolladora que prototipa un widget de soporte bilingüe. En una tarde tiene una demo que transmite su voz a la Gemini Live API e imprime la traducción al inglés en pantalla. Parece magia, hasta que empieza a enumerar lo que queda antes de que usuarios reales puedan tocarlo: lógica de reconexión de audio, gestión del silencio y de los hablantes superpuestos, límites de velocidad, alertas de facturación, un plan alternativo cuando la conexión se cae a mitad de llamada y una revisión de privacidad. El prototipo era el 20% fácil.

Eso no es una crítica a la API. Es simplemente la diferencia honesta entre una demo y un producto. Esa misma brecha explica por qué muchas personas que quieren traducción precisa en tiempo real optan por una herramienta terminada en lugar de un endpoint de modelo en bruto.

Lo que realmente cuesta construir con la API de Gemini

El coste que encabeza la lista es la factura de la API. Google cobra la API de Gemini según el uso, así que el precio escala según el modelo que elijas y la cantidad de audio y texto que proceses. Eso es razonable y transparente para los desarrolladores.

Pero la factura de la API rara vez es el coste real. Construir y mantener una función de traducción en producción también implica:

• Tiempo de ingeniería para crear la canalización de audio, la interfaz y la gestión de errores.
• Mantenimiento a medida que cambian las versiones del modelo y evolucionan los endpoints; ese cambio trimestral de documentación recae en tu equipo.
• Infraestructura para streaming, escalado y monitorización cuando la usen más que unas pocas personas.
• Trabajo de cumplimiento: a dónde va el audio, qué se registra y cómo se informa a los usuarios.

Otro ejemplo ilustrativo. Marco es un consultor autónomo con dos clientes que hablan mandarín. No necesita una API: necesita entender una videollamada el jueves. Llevarlo a la Gemini Live API significaría contratar a un desarrollador para construir algo que usará dos horas al mes. Las cuentas no salen. Marco quiere el resultado, no el bloque de construcción.

Esa división —quienes construyen frente a todos los demás— es el verdadero punto de decisión. Así que vamos a concretarlo.

API frente a herramienta terminada: ¿cuál necesitas realmente?

Si estás eligiendo entre construir sobre la Gemini Live API o usar una herramienta de traducción ya hecha, esta tabla resume el intercambio. No hay una respuesta incorrecta: depende de si quieres un bloque de construcción o un resultado.

Si estás lanzando un producto personalizado en el que la traducción es solo un ingrediente entre muchos, la API es la herramienta adecuada. Si la traducción es el trabajo, una herramienta terminada gana en todo lo que no sea "personalización infinita".

MirrorCaption: traducción en tiempo real sin escribir código

MirrorCaption es la parte de herramienta terminada de esa tabla. Es una aplicación de transcripción y traducción en tiempo real basada en navegador que admite 50+ idiomas seleccionables, sin nada que instalar y sin bot de reunión que aprobar.

Para reuniones online, el modo Meet captura el audio de la pestaña de la reunión en Chrome de escritorio o Microsoft Edge. Ningún bot se une a la llamada, así que no hay ningún incómodo "asistente de grabación" sentado en la lista de participantes. Funciona junto con Zoom, Teams, Meet y Webex basados en navegador; elige el que haya seleccionado tu anfitrión.

Para conversaciones cara a cara, el modo Talk convierte tu teléfono en una sesión continua de interpretación. Lo inicias una vez y ambas personas hablan por turnos; no es un libro de frases de tocar y esperar. Y con Speak Translations, MirrorCaption puede leer en voz alta tu discurso traducido en el otro idioma, para que la persona al otro lado de la mesa escuche el mensaje, no solo vea un subtítulo.

Algunos detalles que importan para personas en la situación de Priya y Marco:

• Sin código, sin clave de API. La capa de transcripción y traducción alojada la gestionamos por ti.
• Privacidad ante todo. El audio de la reunión fluye a través de tu navegador y no se almacena en nuestros servidores; solo las transcripciones que elijas guardar, conservadas localmente.
• Resúmenes con IA. Un resumen en curso se actualiza a medida que avanza la reunión, para que quien se incorpore tarde pueda ponerse al día con una sola lectura.
• Precios sencillos. Una hora gratis para probar (una sola vez, sin reinicio mensual), Pro Yearly por €54.99 con 110 horas de transcripción alojada incluidas, o un plan vitalicio de pago único de €99 con 200 horas incluidas y todas las futuras actualizaciones. Las horas extra se obtienen con Voice Packs, y los clientes vitalicios obtienen la tarifa por hora más baja.

Es la diferencia entre alquilar un motor y conducir un coche terminado. Si también estás valorando otras opciones, nuestra comparativa con OpenAI Whisper cubre la misma cuestión de construir frente a usar para speech-to-text, y la página alternativa a la traducción de Google Meet cubre los subtítulos integrados en la plataforma.

Tres formas en que la gente usa hoy la traducción en directo

Estos breves escenarios ilustrativos muestran dónde una herramienta terminada se gana su lugar frente a una API en bruto.

Llamadas comerciales transfronterizas

Una fundadora en Berlín tiene una llamada con un posible cliente en São Paulo. El modo Meet muestra la conversación en alemán en su pantalla mientras el prospecto habla portugués, y Speak Translations pone voz a sus respuestas. No intervino ningún desarrollador: abrió una pestaña antes de la llamada.

Visitas al médico mientras viajas

Un viajero en Japón pasa su teléfono por encima del escritorio en una clínica. El modo Talk mantiene una sesión continua mientras la conversación va y viene, de modo que nadie tiene que hacer una pausa y pulsar un botón en cada frase.

Reuniones diarias multilingües

Un equipo distribuido hace una reunión diaria en la que el ingeniero de Shanghái, la PM de Berlín y la diseñadora de Lisboa leen la reunión en su propio idioma, durante la llamada, no en una transcripción enviada por correo después. Puedes ver el patrón más amplio en nuestra guía de subtítulos en directo.

Preguntas frecuentes

¿Existe una Gemini 3.5 Live Translate API?

Sí: Gemini 3.5 Live Translate es un modelo real y específico de Google (código de modelo gemini-3.5-live-translate-preview) para traducción de voz a voz en tiempo real. Los desarrolladores acceden a él a través de la Gemini Live API; simplemente no existe un "producto API" listo para usar que actives sin construir una aplicación. Google también ofrece Live Translate mediante la app de Google Translate y la vista previa de traducción de voz de Google Meet.

¿Puede Gemini traducir voz en tiempo real?

Sí. La Gemini Live API admite streaming de audio bidireccional y de baja latencia, así que puedes enviar audio del micrófono y recibir texto traducido o audio hablado de vuelta mientras la persona sigue hablando, siempre que construyas la aplicación que lo rodea.

¿Necesito programar para usar la Gemini Live API?

Sí. Es una interfaz para desarrolladores. Necesitas escribir código, gestionar una clave de API, capturar y transmitir audio, y manejar errores y escalado. A quienes no desarrollan y solo quieren el resultado traducido les conviene más una herramienta terminada.

¿Cuánto cuesta la Gemini Live API?

La API de Gemini se factura según el uso, así que el precio depende del modelo y de cuánto audio y texto proceses. Google publica las tarifas actuales en su página de precios. Presupuesta también tiempo de ingeniería: la API en sí es solo una parte del coste.

¿Cuál es la forma más fácil de traducir una reunión en directo sin una API?

Usa una herramienta terminada en el navegador. MirrorCaption funciona en Chrome o Edge de escritorio, captura el audio de la pestaña de la reunión sin que ningún bot se una a la llamada y muestra traducción en tiempo real en más de 50 idiomas. No hay nada que programar ni ninguna clave de API que gestionar.

La conclusión

Si buscabas una "Gemini 3.5 Live Translate API", la respuesta honesta es que el modelo es real, pero acceder a él a través de la API te da un potente bloque de construcción, no un producto terminado. Puede impulsar perfectamente la traducción en directo, para equipos con tiempo de ingeniería para construir, mantener y escalar alrededor de él.

Para todos los demás —el consultor con dos clientes, el viajero en una clínica, el equipo que solo quiere entenderse en la llamada de hoy— el bloque de construcción es excesivo. Quieres el resultado, y lo quieres ya. Eso es exactamente lo que ofrece una herramienta basada en navegador: abre una pestaña, elige tus idiomas y lee cada palabra en tu propio idioma mientras la conversación sigue ocurriendo.

Quienes construyen, que construyan. Todos los demás, saltad el código y empezad a traducir.