Gemini 3.5 Live Translate,
magyarázat

Gemini 3.5 Live Translate figyeli a kimondott szavakat, és szinte valós időben egy másik nyelven jeleníti meg őket. A Google 2026 júniusában külön élő beszéd-beszéd modellként jelentette be, és három bevezetési felületet nevezett meg: a Google Translate-et, a Google AI Studio / Gemini Live API-t, valamint a beszédfordítás előnézetét a Google Meetben.

Képzelj el egy 9 órás standupot, ahol a São Pauló-i mérnököd portugálul beszél, a szöuli terveződ koreaiul, te pedig angolul követed az eseményeket. Egy élő fordító, amely lépést tart, miközben mindenki még beszél, ezt a megbeszélést a „várjuk meg az összefoglalót” helyzetből „válaszoljunk azonnal” helyzetté alakítja. Ez a Gemini élő fordítása mögötti ígéret — és ez valóban hasznos ígéret.

Valószínűleg már sejted a bökkenőt: egy ennyire jó funkció általában ahhoz az ökoszisztémához kötődik, amelyik szállítja. Ez az útmutató elmagyarázza, mi is valójában a Gemini élő fordítása, hogyan működik az élő ciklus, mely nyelveket és platformokat ér el, ingyenes-e, és — őszintén — hol nem ez a megfelelő eszköz. Ha Zoomon, Microsoft Teamsen és személyes beszélgetésekben is mozogsz, megnyithatod a MirrorCaptiont a böngésződben, és várakozás nélkül olvashatsz tovább, amíg a Google támogatja a platformodat.

Mi a Gemini élő fordítása?

A Gemini 3.5 Live Translate a Google valós idejű beszédfordító modellje: te az egyik nyelven beszélsz, a rendszer pedig élő szövegként vagy beszélt kimenetként állítja elő a jelentést egy másik nyelven, elég gyorsan ahhoz, hogy beszélgetést lehessen folytatni. Ez a gépelt mondat fordítómezőbe írásának élő, hangalapú rokona.

Egy fontos névhasználati megjegyzés. A Google 2026 júniusában jelentette be a Gemini 3.5 Live Translate-et mint élő beszéd-beszéd fordításra szolgáló audio modellt, amely 70+ nyelvet ismer fel, és természetes hangzású fordított beszédet állít elő, megőrizve a beszélő intonációját, ritmusát és hangmagasságát. A Google szerint ez a Google AI Studio, a Google Translate és a Google Meet felületein terjed ki. A Gemini app és a Pixel Live Translate kapcsolódó Google-fordítási élmények, de nem szabad őket ugyanannak a dokumentált 3.5 Live Translate bevezetésnek nevezni, hacsak a Google nem mutatja ezt a pontos képességet a fiókodban. A pontos modellverzióról és arról, hol érhető el élőben, a Google hivatalos oldalai az irányadók.

Ennek az oka egyszerű: ahol egy funkció él, az határozza meg, hol használhatod. A Gemini 3.5 Live Translate akkor a legerősebb, amikor a beszélgetés egy támogatott Google-felületen belül zajlik. Amint a beszélgetés máshová kerül, a válasz bonyolultabbá válik.

Hogyan működik a Gemini élő fordítása?

A háttérben az élő fordítás nem egyetlen lépés — hanem egy gyors ciklus, amely másodpercenként sokszor ismétlődik. A ciklus megértése elmagyarázza azt is, miért tűnik azonnalinak, és miért akad el néha.

1. Rögzítés: a mikrofon (vagy egy hívás hangja) folyamatosan továbbítja a beszédet a modellnek, ahelyett hogy megvárná, amíg befejezed a mondatot.
2. Átírás: a beszéd szöveggé alakul a forrásnyelven, korai találgatásokkal, amelyeket a több kontextus érkezésével javítanak.
3. Fordítás: a Gemini nyelvi modellje a jelentést a célnyelvre képezi le, a környező kontextust használva, hogy az idiómák és a hangnem jobban megmaradjanak, mint egy szó szerinti csere esetén.
4. Megjelenítés: az eredmény élő szövegként jelenik meg, hangmódban pedig a célnyelven fel is olvassa a rendszer.
5. Finomítás: ahogy a beszélő folytatja, a korábbi kimenet módosulhat, hogy a futó fordítás összefüggő maradjon.

A streaming ciklus nagy előnye, hogy a fordítást mialatt valaki még beszél, olvasod vagy hallod. Az árnyoldal az, hogy a korai szavak a kontextus bővülésével eltolódhatnak — ez minden valós idejű rendszer normális sajátossága, nem a Google-re jellemző hiba. Ha mélyebben érdekel, miért viselkedik így a streaming kimenet, a mennyire pontos az AI-fordítás című magyarázónk részletesen bemutatja a pontosság és a késleltetés közötti kompromisszumot.

Mely nyelveket és platformokat támogatja a Gemini élő fordítása?

A Google szerint a Gemini 3.5 Live Translate 70+ nyelvet ismer fel, de a pontos lefedettség attól függ, melyik felületet használod. A Google Translate, a Google AI Studio / Gemini Live API és a Google Meet előnézete mind eltérő ütemben teheti elérhetővé a nyelvi támogatást. Mivel ez a lista változik, az őszinte válasz az, hogy a Google saját súgóoldalait érdemes ellenőrizni a szükséges nyelvhez, nem pedig egy blogbejegyzés fix számában bízni.

A platformlefedettség a fontosabb történet. A Gemini 3.5 Live Translate-et úgy tervezték, hogy a Google ökoszisztémáján belül működjön:

• Google Translate app (Android és iOS): a fogyasztói alkalmazásfelület, amelyet a Google a bevezetéshez megnevezett.
• Google AI Studio / Gemini Live API: a fejlesztői felület a gemini-3.5-live-translate-preview teszteléséhez és építéséhez.
• Google Meet beszédfordítási előnézet: megbeszélés-fordítás jogosult Workspace-fiókok számára, ahogy a Google fokozatosan bevezeti a funkciót.

Ingyenes a Gemini élő fordítása?

Részben, és ez a felülettől függ. A Google Translate app a fogyasztói út, amit először érdemes ellenőrizni. A Gemini Live API-n keresztüli fejlesztői hozzáférésnek saját árazása, előnézeti korlátai és kvótaszabályai vannak. A Google Meet beszédfordítása a jogosult Workspace előnézeti hozzáféréstől függ. A Google elég gyakran módosítja, mi van benne, ezért a legbiztosabb lépés, ha a Google aktuális árazási oldalain ellenőrzöd, mielőtt egy adott képesség köré építenél munkafolyamatot.

A gyakorlati tanulság: az „ingyenes” általában az alkalmi, ritka fordítást fedezi, míg a folyamatos, megbeszélés-szintű élő fordítás jellemzően előfizetés mögött van. Ez teljesen ésszerű modell — csak érdemes tudni róla, mielőtt azt feltételeznéd, hogy a funkció ingyenes arra a munkára, amit ténylegesen végzel.

Hol marad el a Gemini élő fordítása?

Őszintén szólva, amikor a Google világán belül vagy, ez az egyik legsimább elérhető élőfordítási élmény. A hiányosságok nem a minőségről szólnak — hanem az elérésről és arról, mit tarthatsz meg.

A Google ökoszisztémájához kötött

A Gemini élő fordítása a Google appjaiban és a Google eszközein él. Ha a megbeszélésed Zoomon, Microsoft Teamsen vagy Webexen zajlik, a Gemini nincs a szobában. Sok csapat nem választhat platformot — az ügyfél vagy a házigazda dönt —, így az, hogy „Google Meetben remekül működik”, teljesen irreleváns lehet azon a híváson, amely igazán számít.

Az élő kimenet többnyire múlékony

A beszélt élő fordítás arra készült, hogy a pillanatban hallják. Ez nagyszerű az áramlás szempontjából, de nem ad tiszta, kereshető feljegyzést arról, ki mit mondott mindkét nyelven. Ha valaha újra kellett olvasnod egy lefordított mondatot egy tárgyalás után, ezt a hiányt már érezted. (A múló feliratok és a megőrzött feljegyzés közötti különbségről lásd a élő feliratok és átiratok közötti különbségről szóló írásunkat.)

Ez egy eszköz egy ökoszisztémára, nem minden helyzetre

Egy orvosi vizit, egy bérleti szerződésről szóló beszélgetés, egy értékesítési hívás egy általad nem kontrollált platformon — ezek nem mind a Google termékein belül történnek. Egyetlen ökoszisztémára épülő funkció nem tud veled menni minden megbeszélési eszközön és minden személyes pillanatban.

Mikor jobb egy böngészőalapú fordító?

Ha a beszélgetéseid a támogatott Google-felületeken belül maradnak, a Gemini 3.5 Live Translate erős alapértelmezett választás — használd. Egy böngészőalapú eszköz, mint a MirrorCaption, akkor válik igazán hasznossá, amikor platformot váltasz, vagy meg akarod őrizni az elhangzottakat.

A MirrorCaption nem csak feliratolvasó. A Speak Translations funkcióval a saját nyelveden beszélsz, és a rendszer fel tudja olvasni a fordítást az övékén — a laptop hangszóróján, egy párosított telefonon, vagy Mac kliensen egy virtuális mikrofonon keresztül, amely a beszélt fordítást a Zoomba, a Meetbe vagy a Teamsbe irányítja. Ez ugyanaz a szinte valós idejű, nyelvek közötti csere, amit az emberek az élő fordítástól várnak, csak nem egyetlen ökoszisztémához kötve.

Személyes beszélgetéshez a telefonodon futó Talk mód egyetlen folyamatos munkamenetként működik — nem egy nyomva tartós gombként. Egyszer elindítod, mindkét fél felváltva beszél, és az átirat, valamint a fordítási kontextus végig megmarad az egész beszélgetés során. És mivel a MirrorCaption a desktop Chrome vagy Microsoft Edge böngészőben rögzíti a megbeszélésfül hangját, soha nem csatlakozik bot a híváshoz; a résztvevőknek nem kell jóváhagyniuk egy megbeszélésrögzítőt. Ha kifejezetten valós idejű fordítást a Google Meethez szeretnél, amely más eszközökhöz is veled tart, pontosan ezt a hiányt tölti be.

Az árazásról konkrétan: a MirrorCaption €99 Premium csomagja egyszeri díjas — nincs ismétlődő előfizetés —, és 200 óra hosztolt átírási kreditet, valamint minden jövőbeli frissítést tartalmaz, továbbá a Premium ügyfeleknek a legalacsonyabb óradíjat biztosítja, amikor Voice Packekkel töltenek fel. Ez nem korlátlan hosztolt idő; amikor a benne foglalt órák elfogynak, további órák Voice Packekből érkeznek (külön megvásárolva).

Kíváncsi vagy, hogyan állja meg a helyét az élő élmény különböző nyelveken? Próbáld ki a következő hívásodon: nyisd meg a MirrorCaptiont a böngésződben — 1 ingyenes óra, nincs bankkártya, nincs telepítés.

Gyakran ismételt kérdések

Mi a Gemini 3.5 Live Translate?

A Google dedikált élő beszéd-beszéd fordító modellje, amelyet 2026 júniusában jelentettek be, és amely a Google Translate, a Google AI Studio / Gemini Live API, valamint a Google Meet beszédfordítási előnézete felé terjed ki.

Hogyan működik a Gemini élő fordítása?

A Gemini hallgatja a beszédet, átírja azt, a nyelvi modelljével lefordítja a jelentést, és az eredményt képernyőn megjelenő szövegként és szintetizált beszédként állítja elő. A ciklus folyamatosan fut, így a fordítás a beszélgetés tempóját követi, nem pedig megvárja, amíg a beszélő befejezi.

Mely nyelveket támogatja a Gemini élő fordítása?

A Google szerint a Gemini 3.5 Live Translate 70+ nyelvet ismer fel, de a pontos nyelvi támogatás a felülettől függ: Google Translate app, Gemini Live API / Google AI Studio, vagy Google Meet előnézet. Mielőtt egy konkrét nyelvpárra támaszkodnál, ellenőrizd a Google saját dokumentációját.

Ingyenes a Gemini élő fordítása?

A fogyasztói elérhetőség a Google Translate apptól és a régiódtól függ. A fejlesztői API-használatnak külön árazása és előnézeti korlátai vannak, míg a Google Meet beszédfordítása a jogosult Workspace előnézeti hozzáféréstől függ.

Tud a Gemini egy Zoom- vagy Teams-megbeszélést fordítani?

A Gemini élő fordítása a Google saját termékein belül működik, ezért egy Zoom- vagy Microsoft Teams-hívást natívan nem fordít le. Ezekhez a platformokhoz egy böngészőalapú eszköz, mint a MirrorCaption, rögzíti a megbeszélésfül hangját anélkül, hogy bot csatlakozna a híváshoz.

Gemini élő fordítása vs Google Translate — mi a különbség?

A Google Translate az a fogyasztói alkalmazásfelület, amelyet a Google a bevezetéshez megnevezett. A Gemini 3.5 Live Translate az alapul szolgáló élő audio modell/API képesség; a Gemini app és a Pixel Live Translate kapcsolódó Google-fordítási élmények, de nem ugyanaz a dokumentált 3.5-ös bevezetési felület.

A lényeg

A Gemini 3.5 Live Translate valóban jó valós idejű képesség — gyors, hangalapú és gördülékeny ott, ahol a Google a Google Translate-en, a Live API-n és a jogosult Google Meet előnézeten keresztül elérhetővé teszi. Ha a beszélgetéseid ott zajlanak, ez könnyű igen. Csak három dolgot tarts észben: a pontos modellverzió és a nyelvlista gyakran változik, ezért ellenőrizd a Google oldalait; a hozzáférés és az árazás a felülettől függ; és az élő kimenet arra készült, hogy hallják, ne pedig megőrizzék.

A valódi döntés az elérésről szól. Ha Zoomon, Microsoft Teamsen, Webexen és személyes beszélgetésekben dolgozol — és kereshető, exportálható feljegyzést, valamint opcionális beszélt fordítást szeretnél —, egy böngészőalapú, eszközfüggetlen megoldás kitölti azt a rést, amelyet a Gemini hagy. Minden szót elolvashatsz a saját nyelveden, bármelyik platformon is zajlik a megbeszélés.