La API Gemini 3.5 Live Translate,
spiegata

Gemini 3.5 Live Translate è un vero modello Google dedicato — lanciato nel giugno 2026 — per la traduzione vocale quasi in tempo reale tra oltre 70 lingue. Gli sviluppatori vi accedono come modello gemini-3.5-live-translate-preview tramite la Gemini Live API, e Google offre anche Live Translate tramite l'app Google Translate e l'anteprima della traduzione vocale di Google Meet per gli utenti idonei. Quello che non esiste è una "Live Translate API" già pronta che si possa semplicemente attivare: usare il modello tramite l'API significa comunque costruire l'app attorno ad esso.

Ecco la parte che la maggior parte dei risultati di ricerca sorvola: un'API è un blocco di costruzione, non uno strumento finito. Se sei uno sviluppatore, questa distinzione è entusiasmante. Se invece devi solo capire un cliente a Tokyo durante una chiamata in diretta questo pomeriggio, può diventare una deviazione di tre settimane.

Probabilmente hai notato quanto velocemente si muovono i modelli Gemini di Google — escono nuove versioni, le funzionalità si ampliano e la documentazione cambia ogni trimestre. Questa guida spiega cosa fa davvero la Gemini Live API per la traduzione, quanto costa svilupparci sopra e quando conviene invece un tool finito, basato su browser, come uno strumento di traduzione meeting in tempo reale che non richiede alcun codice.

Che cos'è la "Gemini 3.5 Live Translate API"?

Chiarisco subito il nome. Le persone cercano una "Gemini 3.5 Live Translate API" aspettandosi un unico interruttore che trasformi Gemini in un interprete live. Il modello è reale e ha un nome — ma come API è qualcosa con cui costruire, non un prodotto a un clic.

Si accede a Gemini 3.5 Live Translate tramite la Gemini Live API, documentata da Google per gli sviluppatori. È un'interfaccia a bassa latenza che trasmette audio in ingresso e restituisce le risposte in streaming — testo e, opzionalmente, voce sintetizzata. Live Translate è il modello audio dedicato ottimizzato per questo compito, mentre la Live API più ampia può anche gestire trascrizione, riepilogo o domande e risposte con altri modelli.

La parte "3.5" è una versione del modello. Gemini è passato attraverso diverse generazioni e Google elenca le opzioni attuali nella sua pagina dei modelli. Il branding delle versioni cambia rapidamente, quindi il consiglio pratico è semplice: sviluppa sulla versione Gemini attuale per la Live API, non su un numero specifico letto in un titolo di blog sei mesi fa.

L'idea centrale: come API, Live Translate è un modello attorno a cui costruire, non un prodotto finito da premere play. Apri una sessione in streaming con il modello speech-to-speech, gli invii l'audio e lui restituisce in streaming voce e testo tradotti. Questa flessibilità è il vantaggio per chi sviluppa — e l'attrito per tutti gli altri.

Vuoi saltare del tutto la fase di sviluppo e leggere semplicemente la traduzione live nel browser? Puoi provare MirrorCaption gratis con un'ora di trascrizione ospitata, senza carta di credito. Torneremo su questo — prima, vediamo come funziona il percorso API.

Come gli sviluppatori usano la Gemini Live API per la traduzione

A livello tecnico, un'app di traduzione live costruita sulla Gemini Live API segue una struttura chiara. Ogni passaggio è semplice di per sé; il lavoro sta nel collegarli in modo affidabile.

1. Apri una sessione in streaming. La tua app si autentica con una chiave API e apre una connessione persistente alla Live API.
2. Acquisisci e trasmetti l'audio. Prendi l'audio del microfono (o della riunione) nel browser o nel backend e lo trasmetti man mano che arriva.
3. Imposta l'istruzione. Un prompt di sistema dice al modello cosa fare — per esempio, "Trascrivi il parlante e traduci in inglese".
4. Ricevi risultati parziali. L'API restituisce il testo in streaming mentre il parlante parla, così puoi mostrare la traduzione prima che la frase finisca.
5. Facoltativamente, riproducila a voce. La Live API può restituire audio sintetizzato, così la tua app può riprodurre ad alta voce la voce tradotta.

È davvero potente. Un team che costruisce un prodotto personalizzato per un call center, un chiosco di nicchia o un dispositivo embedded ottiene un motore flessibile che può modellare esattamente sul proprio flusso di lavoro.

Ecco un esempio illustrativo. Immagina Priya, una sviluppatrice che prototipa un widget di supporto bilingue. In un pomeriggio ha una demo che trasmette la sua voce alla Gemini Live API e mostra sullo schermo la traduzione in inglese. Sembra magia — finché non inizia a elencare ciò che resta da fare prima che utenti reali possano usarlo: logica di riconnessione audio, gestione del silenzio e dei parlanti sovrapposti, limiti di velocità, avvisi di fatturazione, un fallback quando la connessione cade a metà chiamata e una revisione sulla privacy. Il prototipo era il facile 20%.

Non è una critica all'API. È semplicemente la differenza onesta tra una demo e un prodotto. Lo stesso divario spiega perché molte persone che vogliono una traduzione accurata in tempo reale scelgono invece uno strumento finito anziché un endpoint di modello grezzo.

Quanto costa davvero sviluppare con l'API Gemini

Il costo principale è la fattura dell'API. Google addebita l'uso della Gemini API in base al consumo, quindi il prezzo scala in base al modello scelto e alla quantità di audio e testo che invii attraverso di esso. È una soluzione ragionevole e trasparente per gli sviluppatori.

Ma la fattura dell'API raramente è il costo reale. Costruire e mantenere una funzionalità di traduzione in produzione significa anche:

• Tempo di sviluppo per costruire la pipeline audio, l'interfaccia e la gestione degli errori.
• Manutenzione quando le versioni del modello cambiano e gli endpoint evolvono — quel cambiamento trimestrale della documentazione ricade sul tuo team.
• Infrastruttura per streaming, scalabilità e monitoraggio quando la usano più di poche persone.
• Conformità: dove va l'audio, cosa viene registrato e come informi gli utenti.

Un altro esempio illustrativo. Marco è un consulente freelance con due clienti di lingua mandarino. Non ha bisogno di un'API — ha bisogno di capire una videochiamata giovedì. Indirizzarlo verso la Gemini Live API significherebbe assumere uno sviluppatore per costruire qualcosa che userà per due ore al mese. I conti non tornano mai. Marco vuole il risultato, non il blocco di costruzione.

Questa divisione — chi sviluppa contro tutti gli altri — è il vero punto decisionale. Rendiamolo concreto.

API vs. strumento finito: di cosa hai davvero bisogno?

Se stai scegliendo tra sviluppare sulla Gemini Live API e usare uno strumento di traduzione già pronto, questa tabella mette in chiaro il compromesso. Non esiste una risposta sbagliata — dipende se vuoi un blocco di costruzione o un risultato.

Se stai lanciando un prodotto personalizzato in cui la traduzione è solo uno degli ingredienti, l'API è lo strumento giusto. Se invece la traduzione è il lavoro, uno strumento finito vince in ogni voce che non sia "personalizzazione infinita".

MirrorCaption: traduzione in tempo reale senza scrivere codice

MirrorCaption è il lato "strumento finito" di quella tabella. È un'app di trascrizione e traduzione in tempo reale basata su browser che supporta oltre 50 lingue selezionabili, senza nulla da installare e senza bot di riunione da approvare.

Per le riunioni online, la modalità Meet acquisisce l'audio della scheda della riunione in Chrome desktop o Microsoft Edge. Nessun bot si unisce alla chiamata, quindi non c'è nessun imbarazzante "assistente alla registrazione" nell'elenco dei partecipanti. Funziona insieme a Zoom, Teams, Meet e Webex basati su browser — scegli quello usato dall'host.

Per le conversazioni faccia a faccia, la modalità Talk trasforma il telefono in una sessione continua di interpretazione. La avvii una volta e le due persone parlano a turno; non è un frasario da toccare e aspettare. E con Speak Translations, MirrorCaption può leggere ad alta voce la tua voce tradotta nell'altra lingua — così la persona dall'altra parte del tavolo sente il messaggio, non vede solo una didascalia.

Ecco alcuni dettagli importanti per chi si trova nella situazione di Priya e Marco:

• Nessun codice, nessuna chiave API. Il livello di trascrizione e traduzione ospitato è gestito per te.
• Privacy-first. L'audio della riunione passa attraverso il browser e non viene archiviato sui nostri server — solo le trascrizioni che scegli di salvare, conservate in locale.
• Riepiloghi AI. Un riepilogo in corso si aggiorna man mano che la riunione procede, così chi si collega in ritardo può recuperare con una sola lettura.
• Prezzi semplici. Un'ora gratis per provare (una tantum, senza reset mensile), Pro Yearly a €54.99 con 110 ore di trascrizione ospitata incluse, oppure un piano lifetime una tantum da €99 con 200 ore incluse e tutti gli aggiornamenti futuri. Le ore extra arrivano dai Voice Packs e i clienti lifetime ottengono la tariffa oraria più bassa.

È la differenza tra noleggiare un motore e guidare un'auto finita. Se stai valutando anche altre opzioni, il nostro confronto con OpenAI Whisper copre la stessa domanda costruire-vs-usare per il speech-to-text, e la pagina alternativa alla traduzione di Google Meet copre i sottotitoli integrati nella piattaforma.

Tre modi in cui oggi le persone usano la traduzione live

Questi brevi scenari illustrativi mostrano dove uno strumento finito si guadagna il suo posto rispetto a una API grezza.

Chiamate di vendita transfrontaliere

Una fondatrice a Berlino prende una chiamata con un prospect a São Paulo. La modalità Meet mostra la conversazione in tedesco sul suo schermo mentre il prospect parla portoghese, e Speak Translations restituisce le sue risposte a voce. Nessuno sviluppatore è stato coinvolto — ha aperto una scheda prima della chiamata.

Visite mediche durante un viaggio

Un viaggiatore in Giappone passa il telefono dall'altra parte della scrivania in una clinica. La modalità Talk mantiene attiva una sessione continua mentre la conversazione va avanti e indietro, così nessuno deve fermarsi e premere un pulsante per ogni frase.

Daily standup multilingue

Un team distribuito fa un daily standup in cui l'ingegnere di Shanghai, il PM di Berlino e la designer di Lisbona leggono ciascuno la riunione nella propria lingua — durante la chiamata, non in una trascrizione inviata dopo via email. Puoi vedere il quadro più ampio nella nostra guida ai sottotitoli live.

Domande frequenti

Esiste una Gemini 3.5 Live Translate API?

Sì — Gemini 3.5 Live Translate è un vero modello Google dedicato (codice modello gemini-3.5-live-translate-preview) per la traduzione vocale in tempo reale. Gli sviluppatori vi accedono tramite la Gemini Live API; semplicemente non esiste un "prodotto API" già pronto che si attiva senza costruire un'app. Google offre anche Live Translate tramite l'app Google Translate e l'anteprima della traduzione vocale di Google Meet.

Gemini può tradurre la voce in tempo reale?

Sì. La Gemini Live API supporta lo streaming audio bidirezionale a bassa latenza, quindi puoi inviare in streaming l'audio del microfono e ricevere testo tradotto o audio parlato mentre qualcuno sta ancora parlando — purché tu costruisca l'applicazione attorno ad esso.

Devo programmare per usare la Gemini Live API?

Sì. È un'interfaccia per sviluppatori. Devi scrivere codice, gestire una chiave API, acquisire e trasmettere l'audio e gestire errori e scalabilità. Chi non sviluppa e vuole solo il risultato tradotto è meglio servito da uno strumento finito.

Quanto costa la Gemini Live API?

La Gemini API viene fatturata in base all'utilizzo, quindi il prezzo dipende dal modello e da quanto audio e testo elabori. Google pubblica le tariffe attuali nella sua pagina dei prezzi. Metti in budget anche il tempo di sviluppo — l'API in sé è solo una parte del costo.

Qual è il modo più semplice per tradurre una riunione live senza un'API?

Usa uno strumento browser finito. MirrorCaption funziona in Chrome o Edge desktop, acquisisce l'audio della scheda della riunione senza che un bot si unisca alla chiamata e mostra la traduzione in tempo reale in oltre 50 lingue. Non c'è nulla da programmare e nessuna chiave API da gestire.

In sintesi

Se hai cercato una "Gemini 3.5 Live Translate API", la risposta onesta è che il modello esiste davvero — ma accedervi tramite l'API ti dà un potente blocco di costruzione, non un prodotto finito. Può assolutamente alimentare la traduzione live, per team che hanno il tempo di sviluppo necessario per costruire, mantenere e scalare attorno ad esso.

Per tutti gli altri — il consulente con due clienti, il viaggiatore in clinica, il team che vuole solo capirsi nella chiamata di oggi — il blocco di costruzione è eccessivo. Vuoi il risultato, e lo vuoi subito. È esattamente ciò che offre uno strumento basato su browser: apri una scheda, scegli le lingue e leggi ogni parola nella tua lingua mentre la conversazione è ancora in corso.

Chi sviluppa, sviluppi. Tutti gli altri, saltate il codice e iniziate a tradurre.