Gemini 3.5 Live Translate は、Google の実在する専用モデルです。2026年6月に公開され、70以上の言語にわたるほぼリアルタイムの音声対音声翻訳に対応します。開発者は Gemini Live API を通じて gemini-3.5-live-translate-preview というモデルとして利用します。また Google は、対象ユーザー向けに Google Translate アプリや Google Meet の音声翻訳プレビューでも Live Translate を提供しています。存在しないのは、ただオンにするだけの既製の「Live Translate API」です。API 経由でこのモデルを使う場合でも、アプリをその上に構築する必要があります。

検索結果の多くが見落としているのはここです。API は完成品ではなく、構成要素にすぎません。開発者なら、その違いは魅力的です。けれど、今日の午後のライブ通話で東京の相手を理解したいだけなら、それは3週間の遠回りになりえます。

Google の Gemini モデルがどれほど速く進化しているか、あなたも気づいているはずです。新しいバージョンが出て、機能が広がり、ドキュメントも四半期ごとに変わります。このガイドでは、Gemini Live API が翻訳に対して実際に何をするのか、構築にどれくらいのコストがかかるのか、そしてコード不要の完成済みブラウザベースのリアルタイム会議翻訳ツールを選んだほうがよいのはどんなときかを解説します。

要点

「Gemini 3.5 Live Translate API」とは何ですか？

まず名前を整理しましょう。「Gemini 3.5 Live Translate API」と検索する人は、Gemini をライブ通訳に変える単一のスイッチを期待しています。モデルは実在し、名前もありますが、API としてはワンクリック製品ではなく、構築して使うものです。

Gemini 3.5 Live Translate は、開発者向けに Google が文書化している Gemini Live API から利用します。これは低遅延のインターフェースで、音声を受け取り、応答を返します。返るのはテキストで、必要に応じて合成音声も返せます。Live Translate はこの用途に最適化された専用の音声モデルであり、より広い Live API は他のモデルを使って文字起こし、要約、質問応答にも対応できます。

「3.5」はモデルのバージョンです。Gemini はいくつかの世代を経ており、Google は現在の選択肢を models ページに掲載しています。バージョンのブランド名はすぐに変わるため、実践的な助言はシンプルです。6か月前にブログの見出しで読んだ特定の番号ではなく、Live API で現在使える Gemini モデルを基準に構築してください。

核心はこうです: API としての Live Translate は、再生ボタンを押す完成品ではなく、その周りに構築するモデルです。音声対音声モデルでストリーミングセッションを開き、音声を送り込むと、翻訳された音声とテキストがストリームで返ってきます。この柔軟性が、開発者にとっての魅力であり、その他の人にとっての負担です。

構築を完全に飛ばして、ブラウザでライブ翻訳を読むだけにしたいですか？ なら、ホスト型文字起こし1時間分付きで、クレジットカード不要の MirrorCaption を無料で試せます。その話は後で戻るとして、まずは API の流れを見ていきましょう。

開発者は Gemini Live API を翻訳にどう使うのか

技術的には、Gemini Live API 上に構築したライブ翻訳アプリは明確な形をしています。各ステップ自体は単純ですが、それらを信頼性高くつなぐ作業が本質です。

  1. ストリーミングセッションを開く。 アプリが API キーで認証し、Live API への永続接続を開きます。
  2. 音声を取得してストリームする。 ブラウザまたはバックエンドでマイク（または会議）の音声を取得し、届いたそばから送信します。
  3. 指示を設定する。 システムプロンプトでモデルに何をするかを伝えます。たとえば「話者を書き起こし、英語に翻訳する」などです。
  4. 途中結果を受け取る。 API は話者が話している間にテキストをストリームで返すので、文が終わる前に翻訳を表示できます。
  5. 必要なら音声で返す。 Live API は合成音声を返せるため、アプリで翻訳音声を読み上げられます。

これは本当に強力です。カスタムのコールセンター製品、ニッチなキオスク、組み込みデバイスを作るチームなら、ワークフローにぴったり合わせられる柔軟なエンジンを手に入れられます。

例を挙げましょう。 バイリンガルのサポートウィジェットを試作している開発者 Priya を想像してください。彼女は午後のうちに、音声を Gemini Live API にストリームし、英語訳を画面に表示するデモを作ります。まるで魔法のようです。けれど、実ユーザーが触れる前に何が残っているかを数え始めると、その印象は変わります。音声再接続ロジック、無音や話者の重なりの処理、レート制限、課金アラート、通話中に接続が切れたときのフォールバック、そしてプライバシー審査。試作は、簡単な20%だったのです。

これは API を否定しているわけではありません。デモと製品の違いを正直に言っているだけです。同じギャップがあるからこそ、正確なリアルタイム翻訳を求める多くの人は、むき出しのモデルエンドポイントではなく完成済みツールを選びます。

Gemini API で構築する本当のコスト

表面的なコストは API の請求額です。Google は Gemini API を従量課金で提供しているため、価格は選ぶモデルと、そこに通す音声やテキストの量に応じて変わります。これは開発者にとって合理的で透明です。

しかし、API の請求額が本当のコストであることはほとんどありません。本番の翻訳機能を構築・維持するには、次のようなものも必要です。

別の例を挙げましょう。 Marco は中国語話者のクライアントを2人持つフリーランスのコンサルタントです。彼に必要なのは API ではなく、木曜日のビデオ通話を理解することです。彼を Gemini Live API に向けるということは、月に2時間しか使わないもののために開発者を雇うことを意味します。採算は合いません。Marco が欲しいのは構成要素ではなく、結果です。

この分かれ目――構築する人か、それ以外の人か――が本当の判断ポイントです。では、具体的にしましょう。

構築は飛ばして、ブラウザでライブ翻訳を読む。

無料で1時間試せます。クレジットカード不要、API キー不要、インストール不要。

無料で始める

API と完成済みツール: 実際に必要なのはどちらですか？

Gemini Live API で構築するか、既製の翻訳ツールを使うかで迷っているなら、この表がトレードオフを整理します。正解は一つではありません。構成要素が欲しいのか、結果が欲しいのかで決まります。

  Gemini Live API（構築する） MirrorCaption（使う）
対象 開発者とプロダクトチーム 会議や会話に参加する誰でも
セットアップ コードを書く、API キーを管理する、音声パイプラインを構築する ブラウザタブを開いて始める
最初の翻訳までの時間 数日から数週間のエンジニアリング 1分以内
会議 音声取得とルーティングを自分で構築する Chrome または Edge で会議タブの音声を取得 — ボットは通話に参加しない
音声出力 再生機能を自分で構築する Speak Translations で翻訳を音声読み上げできる
コストモデル 従量課金の API 料金 + エンジニアリング時間 無料で1時間試せる、または €99 の買い切りライフタイムプラン
保守 モデルのバージョン変更に合わせて更新する 対応済み

翻訳が多くの要素の一つにすぎないカスタム製品を出すなら、API が適切なツールです。翻訳そのものが仕事なら、「無限のカスタマイズ」以外のあらゆる面で完成済みツールが勝ちます。

MirrorCaption: コードを書かずにリアルタイム翻訳

MirrorCaption は、その表の完成済みツール側です。ブラウザベースのリアルタイム文字起こし・翻訳アプリで、50以上の選択可能な言語に対応し、インストールも会議ボットの承認も必要ありません。

オンライン会議では、Meet モードがデスクトップ版 Chrome または Microsoft Edge で会議タブの音声を取得します。ボットは通話に参加しないため、参加者一覧に気まずい「録音アシスタント」が居座ることもありません。ブラウザベースの Zoom、Teams、Meet、Webex と併用でき、ホストが選んだものをそのまま使えます。

対面会話では、Talk モードがスマートフォンを連続通訳セッションに変えます。1回起動すれば、2人が交互に話すだけです。タップして待つフレーズ集ではありません。そして Speak Translations を使えば、MirrorCaption は翻訳された発話を相手の言語で音声読み上げできます。つまり、向かいの相手は字幕を見るだけでなく、メッセージを耳で聞けます。

Priya や Marco のような立場の人にとって重要な点をいくつか挙げます。

それは、エンジンを借りるのと完成車を運転するのとの違いです。他の選択肢も検討しているなら、OpenAI Whisper 比較では speech-to-text における同じ「構築か利用か」の問いを扱っており、Google Meet 翻訳の代替ページではプラットフォーム内字幕を扱っています。

今日、人々がライブ翻訳を使う3つの方法

次の短い例は、むき出しの API より完成済みツールが選ばれる場面を示しています。

国境をまたぐ営業通話

ベルリンの創業者が、サンパウロの見込み客と通話します。Meet モードは、相手がポルトガル語で話している間、画面上にドイツ語で会話を表示し、Speak Translations が彼女の返答を音声で返します。開発者は関与していません。通話前にタブを開いただけです。

旅行中の診察

日本にいる旅行者が、クリニックの机越しにスマートフォンを差し出します。Talk モードは会話が行き来しても1つの連続セッションを維持するので、誰も各文ごとに止めてボタンを押す必要がありません。

多言語スタンドアップ

分散チームが毎日のスタンドアップを行い、上海のエンジニア、ベルリンの PM、リスボンのデザイナーが、それぞれ自分の言語で会議を読みます。会議後にメールで届く文字起こしではなく、通話中にです。より広い流れは、ライブキャプションガイドで確認できます。

よくある質問

Gemini 3.5 Live Translate API はありますか？

はい。Gemini 3.5 Live Translate は、リアルタイムの音声対音声翻訳向けの実在する Google の専用モデルです（モデルコードは gemini-3.5-live-translate-preview）。開発者は Gemini Live API を通じて利用します。ただし、アプリを構築せずにそのまま切り替えられる既製の「API 製品」はありません。Google は Google Translate アプリと Google Meet の音声翻訳プレビューでも Live Translate を提供しています。

Gemini は音声をリアルタイムで翻訳できますか？

はい。Gemini Live API は低遅延の双方向音声ストリーミングをサポートしているため、マイク音声を送信し、相手がまだ話している間に翻訳テキストや音声を受け取れます。ただし、周辺のアプリケーションを構築する必要があります。

Gemini Live API を使うにはコードが必要ですか？

はい。これは開発者向けインターフェースです。コードを書き、API キーを管理し、音声を取得してストリームし、エラーやスケーリングを処理する必要があります。翻訳結果だけが欲しい非開発者には、完成済みツールのほうが適しています。

Gemini Live API の料金はいくらですか？

Gemini API は従量課金なので、価格はモデルと処理する音声・テキスト量によって決まります。Google は現在の料金を pricing ページで公開しています。エンジニアリング時間も予算に入れてください。API 自体はコストの一部にすぎません。

API なしでライブ会議を翻訳する最も簡単な方法は？

完成済みのブラウザツールを使ってください。MirrorCaption はデスクトップ版 Chrome または Edge で動作し、ボットが通話に参加することなく会議タブの音声を取得し、50以上の言語でリアルタイム翻訳を表示します。コードを書く必要も、API キーを管理する必要もありません。

結論

「Gemini 3.5 Live Translate API」を探していたなら、正直な答えはこうです。モデルは実在しますが、API 経由で使うと強力な構成要素が手に入るのであって、完成品が手に入るわけではありません。構築・保守・スケールのためのエンジニアリング時間があるチームなら、ライブ翻訳を十分に支えられます。

それ以外の人――クライアントが2人のコンサルタント、診療所にいる旅行者、今日の通話でお互いを理解したいだけのチーム――にとっては、その構成要素は過剰です。欲しいのは結果であり、しかも今すぐ欲しいはずです。ブラウザベースのツールがまさにそれを提供します。タブを開き、言語を選び、会話が進んでいる最中に自分の言語ですべての言葉を読めるのです。

構築する人は、どうぞ構築してください。それ以外の人は、コードを飛ばして翻訳を始めましょう。

次の会話を無料で翻訳

無料で1時間。クレジットカード不要、API キー不要、インストール不要。今日からブラウザで使えます。

無料で始める