L’API Gemini 3.5 Live Translate,
expliquée

Gemini 3.5 Live Translate est un véritable modèle Google dédié — lancé en juin 2026 — pour la traduction vocale quasi en temps réel dans plus de 70 langues. Les développeurs y accèdent via le modèle gemini-3.5-live-translate-preview par l’intermédiaire de la Gemini Live API, et Google propose aussi Live Translate via l’application Google Translate ainsi qu’un aperçu de traduction vocale dans Google Meet pour les utilisateurs éligibles. Ce qu’il n’existe pas, c’est une « Live Translate API » prête à l’emploi que l’on active simplement : utiliser le modèle via l’API signifie toujours construire l’application autour de lui.

Voici ce que la plupart des résultats de recherche passent sous silence : une API est un composant de base, pas un outil fini. Si vous êtes développeur, cette distinction est stimulante. Si vous avez simplement besoin de comprendre un client à Tokyo pendant un appel en direct cet après-midi, cela peut devenir un détour de trois semaines.

Vous avez probablement remarqué à quelle vitesse les modèles Gemini de Google évoluent — de nouvelles versions sortent, les capacités s’étendent et la documentation change chaque trimestre. Ce guide explique ce que la Gemini Live API fait réellement pour la traduction, combien coûte son développement, et quand il vaut mieux opter pour un outil fini, basé sur le navigateur, de traduction de réunion en temps réel qui ne nécessite aucun code.

Qu’est-ce que la « Gemini 3.5 Live Translate API » ?

Clarifions d’abord le nom. Les gens recherchent une « Gemini 3.5 Live Translate API » en s’attendant à un simple interrupteur qui transforme Gemini en interprète en direct. Le modèle est bien réel et nommé — mais en tant qu’API, c’est quelque chose avec lequel on construit, pas un produit en un clic.

Vous accédez à Gemini 3.5 Live Translate via la Gemini Live API, documentée par Google pour les développeurs. Il s’agit d’une interface à faible latence qui diffuse l’audio entrant et renvoie les réponses en flux continu — texte, et éventuellement parole synthétisée. Live Translate est le modèle audio dédié optimisé pour cette tâche, tandis que l’API Live plus large peut aussi gérer la transcription, le résumé ou les questions-réponses avec d’autres modèles.

Le « 3.5 » correspond à une version de modèle. Gemini est passé par plusieurs générations, et Google répertorie les options actuelles sur sa page des modèles. Le branding des versions change rapidement, donc le conseil pratique est simple : développez avec le modèle Gemini actuellement utilisé pour l’API Live, pas avec un numéro précis vu dans un titre de blog il y a six mois.

L’idée centrale : en tant qu’API, Live Translate est un modèle autour duquel on construit, pas un produit fini que l’on lance d’une simple pression sur un bouton. Vous ouvrez une session de streaming avec le modèle de traduction vocale, vous lui fournissez l’audio, et il renvoie en flux continu la parole et le texte traduits. Cette flexibilité séduit les développeurs — et complique la vie de tous les autres.

Vous voulez éviter complètement la phase de développement et simplement lire la traduction en direct dans votre navigateur ? Vous pouvez essayer MirrorCaption gratuitement avec une heure de transcription hébergée, sans carte bancaire. Nous y reviendrons — mais d’abord, voyons comment fonctionne l’approche par API.

Comment les développeurs utilisent la Gemini Live API pour la traduction

Sur le plan technique, une application de traduction en direct construite sur la Gemini Live API suit une structure claire. Chaque étape est simple prise isolément ; le travail consiste à les relier de manière fiable.

1. Ouvrir une session de streaming. Votre application s’authentifie avec une clé API et ouvre une connexion persistante à l’API Live.
2. Capturer et diffuser l’audio. Vous récupérez l’audio du microphone (ou de la réunion) dans le navigateur ou votre backend et le diffusez au fur et à mesure de son arrivée.
3. Définir l’instruction. Un prompt système indique au modèle quoi faire — par exemple : « Transcris l’intervenant et traduis en anglais. »
4. Recevoir des résultats partiels. L’API renvoie du texte en flux continu pendant que l’intervenant parle, afin que vous puissiez afficher la traduction avant la fin de la phrase.
5. Le restituer vocalement, en option. L’API Live peut renvoyer de l’audio synthétisé, afin que votre application puisse lire la voix traduite à haute voix.

C’est réellement puissant. Une équipe qui construit un produit de centre d’appels sur mesure, une borne spécialisée ou un appareil embarqué obtient un moteur flexible qu’elle peut adapter exactement à son flux de travail.

Voici un exemple illustratif. Imaginez Priya, une développeuse qui prototype un widget d’assistance bilingue. En une après-midi, elle a une démo qui diffuse sa voix vers la Gemini Live API et affiche la traduction anglaise à l’écran. Cela ressemble à de la magie — jusqu’à ce qu’elle commence à lister ce qu’il reste à faire avant que de vrais utilisateurs puissent s’en servir : logique de reconnexion audio, gestion du silence et des intervenants qui se chevauchent, limites de débit, alertes de facturation, solution de repli si la connexion se coupe en plein appel, et revue de confidentialité. Le prototype représentait les 20 % faciles.

Rien de tout cela n’est une critique de l’API. C’est simplement la différence honnête entre une démo et un produit. Le même écart explique pourquoi beaucoup de personnes qui veulent une traduction précise en temps réel se tournent vers un outil fini plutôt que vers un point d’accès de modèle brut.

Ce que coûte vraiment le développement avec l’API Gemini

Le coût mis en avant est la facture de l’API. Google facture l’API Gemini selon un modèle à l’usage, donc le prix évolue selon le modèle choisi et la quantité d’audio et de texte que vous y faites passer. C’est raisonnable et transparent pour les développeurs.

Mais la facture de l’API est rarement le vrai coût. Construire et maintenir une fonctionnalité de traduction en production implique aussi :

• Du temps d’ingénierie pour construire le pipeline audio, l’interface et la gestion des erreurs.
• De la maintenance à mesure que les versions des modèles changent et que les points de terminaison évoluent — ce renouvellement trimestriel de la documentation retombe sur votre équipe.
• De l’infrastructure pour le streaming, la montée en charge et la supervision dès que plus de quelques personnes l’utilisent.
• Du travail de conformité : où va l’audio, ce qui est journalisé et comment vous informez les utilisateurs.

Autre exemple illustratif. Marco est un consultant indépendant avec deux clients parlant mandarin. Il n’a pas besoin d’une API — il a besoin de comprendre un appel vidéo jeudi. L’orienter vers la Gemini Live API reviendrait à embaucher un développeur pour construire quelque chose qu’il n’utilisera que deux heures par mois. L’équation ne fonctionne jamais. Marco veut le résultat, pas le composant de base.

Cette séparation — les développeurs d’un côté, tous les autres de l’autre — est le vrai point de décision. Rendons-la donc concrète.

API ou outil fini : de quoi avez-vous réellement besoin ?

Si vous hésitez entre développer sur la Gemini Live API et utiliser un outil de traduction prêt à l’emploi, ce tableau présente l’arbitrage. Il n’y a pas de mauvaise réponse — tout dépend si vous voulez un composant de base ou un résultat.

Si vous lancez un produit sur mesure où la traduction n’est qu’un ingrédient parmi d’autres, l’API est le bon outil. Si la traduction est le travail, un outil fini l’emporte sur tous les critères qui ne sont pas « personnalisation infinie ».

MirrorCaption : la traduction en temps réel sans écrire de code

MirrorCaption est la version outil fini de ce tableau. C’est une application de transcription et de traduction en temps réel, basée sur le navigateur, qui prend en charge plus de 50 langues sélectionnables, sans rien installer et sans bot de réunion à approuver.

Pour les réunions en ligne, le mode Meet capture l’audio de votre onglet de réunion dans Chrome de bureau ou Microsoft Edge. Aucun bot ne rejoint l’appel, donc pas d’assistant d’enregistrement gênant dans la liste des participants. Cela fonctionne avec Zoom, Teams, Meet et Webex dans le navigateur — choisissez celui retenu par votre hôte.

Pour les conversations en face à face, le mode Talk transforme votre téléphone en session d’interprétation continue. Vous le lancez une fois et les deux personnes parlent à tour de rôle ; ce n’est pas un lexique à toucher puis attendre. Et avec Speak Translations, MirrorCaption peut lire votre discours traduit à voix haute dans l’autre langue — ainsi, la personne en face entend le message, elle ne se contente pas de voir une légende.

Quelques détails qui comptent pour les personnes dans la situation de Priya et Marco :

• Pas de code, pas de clé API. La couche de transcription et de traduction hébergée est gérée pour vous.
• Confidentialité d’abord. L’audio de la réunion transite par votre navigateur et n’est pas stocké sur nos serveurs — seuls les transcriptions que vous choisissez d’enregistrer sont conservées localement.
• Résumés IA. Un résumé en cours de rédaction se met à jour au fil de la réunion, afin qu’un participant qui arrive en retard puisse rattraper l’essentiel en une lecture.
• Tarification simple. Une heure gratuite pour essayer (une seule fois, sans remise à zéro mensuelle), Pro Yearly à 54,99 € avec 110 heures de transcription hébergée incluses, ou un forfait à vie unique à 99 € avec 200 heures incluses et toutes les futures mises à jour. Les heures supplémentaires proviennent des Voice Packs, et les clients à vie bénéficient du tarif horaire le plus bas.

C’est la différence entre louer un moteur et conduire une voiture finie. Si vous comparez aussi d’autres options, notre comparatif OpenAI Whisper couvre la même question construire-vs-utiliser pour la transcription vocale, et la page alternative à la traduction Google Meet couvre les sous-titres intégrés à la plateforme.

Trois façons d’utiliser la traduction en direct aujourd’hui

Ces courts scénarios illustratifs montrent où un outil fini mérite sa place face à une API brute.

Appels commerciaux transfrontaliers

Une fondatrice à Berlin prend un appel avec un prospect à São Paulo. Le mode Meet affiche la conversation en allemand sur son écran pendant que le prospect parle portugais, et Speak Translations restitue ses réponses à voix haute. Aucun développeur n’a été impliqué — elle a ouvert un onglet avant l’appel.

Visites médicales en voyage

Un voyageur au Japon tend son téléphone par-dessus le bureau d’une clinique. Le mode Talk maintient une session continue pendant que la conversation va et vient, de sorte que personne n’a besoin de faire une pause et d’appuyer sur un bouton à chaque phrase.

Réunions quotidiennes multilingues

Une équipe distribuée tient son point quotidien où l’ingénieur de Shanghai, le chef de produit de Berlin et la designer de Lisbonne lisent chacun la réunion dans leur propre langue — pendant l’appel, pas dans une transcription envoyée ensuite par e-mail. Vous pouvez voir la tendance plus large dans notre guide des sous-titres en direct.

Questions fréquentes

Existe-t-il une Gemini 3.5 Live Translate API ?

Oui — Gemini 3.5 Live Translate est un véritable modèle Google dédié (code du modèle gemini-3.5-live-translate-preview) à la traduction vocale en temps réel. Les développeurs y accèdent via la Gemini Live API ; il n’existe simplement pas de « produit API » prêt à l’emploi que l’on active sans construire une application. Google propose aussi Live Translate via l’application Google Translate et l’aperçu de traduction vocale dans Google Meet.

Gemini peut-il traduire la parole en temps réel ?

Oui. La Gemini Live API prend en charge le streaming audio bidirectionnel à faible latence, ce qui vous permet d’envoyer l’audio du microphone et de recevoir du texte traduit ou de l’audio parlé en retour pendant que quelqu’un parle encore — à condition de construire l’application autour.

Dois-je coder pour utiliser la Gemini Live API ?

Oui. C’est une interface destinée aux développeurs. Vous devez écrire du code, gérer une clé API, capturer et diffuser l’audio, et gérer les erreurs ainsi que la montée en charge. Les non-développeurs qui veulent simplement le résultat traduit sont mieux servis par un outil fini.

Combien coûte la Gemini Live API ?

L’API Gemini est facturée à l’usage, donc le prix dépend du modèle et de la quantité d’audio et de texte que vous traitez. Google publie les tarifs actuels sur sa page de tarification. Prévoyez aussi du temps d’ingénierie — l’API elle-même n’est qu’une partie du coût.

Quelle est la façon la plus simple de traduire une réunion en direct sans API ?

Utilisez un outil de navigateur fini. MirrorCaption fonctionne dans Chrome ou Edge sur ordinateur, capture l’audio de l’onglet de réunion sans qu’aucun bot rejoigne l’appel, et affiche une traduction en temps réel dans plus de 50 langues. Il n’y a rien à coder et aucune clé API à gérer.

En résumé

Si vous avez recherché une « Gemini 3.5 Live Translate API », la réponse honnête est que le modèle existe bel et bien — mais y accéder via l’API vous donne un puissant composant de base, pas un produit fini. Il peut absolument alimenter la traduction en direct, pour des équipes disposant du temps d’ingénierie nécessaire pour construire, maintenir et faire évoluer la solution autour.

Pour tous les autres — le consultant avec deux clients, le voyageur dans une clinique, l’équipe qui veut simplement se comprendre pendant l’appel d’aujourd’hui — le composant de base est excessif. Vous voulez le résultat, et vous le voulez maintenant. C’est exactement ce qu’offre un outil basé sur le navigateur : ouvrez un onglet, choisissez vos langues et lisez chaque mot dans votre propre langue pendant que la conversation est encore en cours.

Les développeurs, construisez. Tous les autres, passez le code et commencez à traduire.