A API do Gemini 3.5 Live Translate,
Explicada

Gemini 3.5 Live Translate é um modelo real e dedicado do Google — lançado em junho de 2026 — para tradução de fala para fala em tempo quase real em mais de 70 idiomas. Os desenvolvedores o acessam como o modelo gemini-3.5-live-translate-preview por meio da Gemini Live API, e o Google também oferece o Live Translate pelo app Google Translate e pela prévia de tradução de fala do Google Meet para usuários elegíveis. O que não existe é uma "Live Translate API" pronta para uso que você simplesmente ativa: usar o modelo pela API ainda significa construir o app em torno dele.

Aqui está a parte que a maioria dos resultados de busca ignora: uma API é um bloco de construção, não uma ferramenta pronta. Se você é desenvolvedor, essa distinção é empolgante. Se você só precisa entender um cliente em Tóquio durante uma chamada ao vivo nesta tarde, pode virar um desvio de três semanas.

Você provavelmente já percebeu como os modelos Gemini do Google avançam rápido — novas versões são lançadas, os recursos se expandem e a documentação muda a cada trimestre. Este guia explica o que a Gemini Live API realmente faz para tradução, quanto custa construir com ela e quando é melhor optar por uma ferramenta pronta, baseada em navegador, de tradução de reuniões em tempo real que não exige nenhum código.

O que é a "Gemini 3.5 Live Translate API"?

Vamos esclarecer o nome primeiro. As pessoas pesquisam por uma "Gemini 3.5 Live Translate API" esperando um único botão que transforme o Gemini em um intérprete ao vivo. O modelo é real e tem nome — mas, como API, é algo com que você constrói, não um produto de um clique.

Você acessa a Gemini 3.5 Live Translate por meio da Gemini Live API, documentada pelo Google para desenvolvedores. É uma interface de baixa latência que transmite áudio de entrada e devolve respostas em fluxo — texto e, opcionalmente, fala sintetizada. O Live Translate é o modelo de áudio dedicado ajustado para essa tarefa, enquanto a Live API mais ampla também pode lidar com transcrição, resumo ou perguntas e respostas com outros modelos.

A parte "3.5" é uma versão do modelo. O Gemini passou por várias gerações, e o Google lista as opções atuais na sua página de modelos. A marca da versão muda rapidamente, então a orientação prática é simples: construa com o modelo Gemini que estiver atual para a Live API, não com um número específico que você leu em uma manchete de blog há seis meses.

A ideia central: como API, o Live Translate é um modelo em torno do qual você constrói, não um produto pronto que você aperta play. Você abre uma sessão de streaming com o modelo de fala para fala, envia áudio e recebe de volta fala e texto traduzidos em fluxo. Essa flexibilidade é o atrativo para quem desenvolve — e o atrito para todo o resto.

Quer pular totalmente a construção e apenas ler a tradução ao vivo no navegador? Você pode experimentar a MirrorCaption grátis com uma hora de transcrição hospedada, sem cartão de crédito. Voltaremos a isso — primeiro, veja como funciona o caminho da API.

Como os desenvolvedores usam a Gemini Live API para tradução

No nível técnico, um app de tradução ao vivo construído sobre a Gemini Live API segue uma estrutura clara. Cada etapa é simples por si só; o trabalho está em conectá-las de forma confiável.

1. Abra uma sessão de streaming. Seu app se autentica com uma chave de API e abre uma conexão persistente com a Live API.
2. Capture e transmita áudio. Você captura o áudio do microfone (ou da reunião) no navegador ou no backend e o transmite à medida que ele chega.
3. Defina a instrução. Um prompt de sistema diz ao modelo o que fazer — por exemplo, "Transcreva o falante e traduza para o inglês".
4. Receba resultados parciais. A API devolve texto em fluxo enquanto a pessoa fala, para que você possa exibir a tradução antes do fim da frase.
5. Opcionalmente, reproduza em voz alta. A Live API pode retornar áudio sintetizado, então seu app pode reproduzir a voz traduzida em voz alta.

Isso é realmente poderoso. Uma equipe que está construindo um produto personalizado para call center, um quiosque de nicho ou um dispositivo embarcado ganha um mecanismo flexível que pode moldar exatamente ao seu fluxo de trabalho.

Aqui vai um exemplo ilustrativo. Imagine Priya, uma desenvolvedora prototipando um widget de suporte bilíngue. Em uma tarde, ela tem uma demo que transmite sua voz para a Gemini Live API e exibe a tradução para o inglês na tela. Parece mágica — até ela começar a listar o que ainda falta antes que usuários reais possam tocar no produto: lógica de reconexão de áudio, tratamento de silêncio e falantes sobrepostos, limites de taxa, alertas de cobrança, um fallback quando a conexão cai no meio da chamada e uma revisão de privacidade. O protótipo foi os 20% fáceis.

Nada disso é uma crítica à API. É apenas a diferença honesta entre uma demo e um produto. A mesma lacuna é o motivo pelo qual muitas pessoas que querem tradução precisa em tempo real recorrem a uma ferramenta pronta em vez de um endpoint de modelo bruto.

Quanto custa realmente construir com a Gemini API

O custo principal que aparece no título é a conta da API. O Google cobra pela Gemini API com base no uso, então o preço escala conforme o modelo escolhido e a quantidade de áudio e texto que você processa. Isso é razoável e transparente para desenvolvedores.

Mas a conta da API raramente é o custo real. Construir e manter um recurso de tradução em produção também significa:

• Tempo de engenharia para construir o pipeline de áudio, a interface e o tratamento de erros.
• Manutenção à medida que as versões do modelo mudam e os endpoints evoluem — essa rotatividade trimestral da documentação recai sobre sua equipe.
• Infraestrutura para streaming, escalabilidade e monitoramento quando mais do que algumas pessoas passam a usar o sistema.
• Trabalho de conformidade: para onde o áudio vai, o que é registrado e como você informa os usuários.

Outro exemplo ilustrativo. Marco é um consultor freelancer com dois clientes que falam mandarim. Ele não precisa de uma API — ele precisa entender uma videochamada na quinta-feira. Direcioná-lo para a Gemini Live API significaria contratar um desenvolvedor para construir algo que ele usará por duas horas por mês. A conta nunca fecha. Marco quer o resultado, não o bloco de construção.

Essa divisão — construtores versus todo o resto — é o verdadeiro ponto de decisão. Então vamos torná-la concreta.

API vs. ferramenta pronta: de qual você realmente precisa?

Se você está escolhendo entre construir sobre a Gemini Live API e usar uma ferramenta de tradução pronta, esta tabela mostra o trade-off. Não existe resposta errada — depende se você quer um bloco de construção ou um resultado.

Se você está lançando um produto personalizado em que a tradução é apenas um ingrediente entre muitos, a API é a ferramenta certa. Se a tradução é o trabalho, uma ferramenta pronta vence em todas as linhas que não sejam "personalização infinita".

MirrorCaption: tradução em tempo real sem escrever código

A MirrorCaption é o lado da ferramenta pronta dessa tabela. É um app de transcrição e tradução em tempo real baseado em navegador que oferece suporte a 50+ idiomas selecionáveis, sem nada para instalar e sem bot de reunião para aprovar.

Para reuniões online, o modo Meet captura o áudio da aba da reunião no Chrome ou Microsoft Edge para desktop. Nenhum bot entra na chamada, então não há aquele incômodo "assistente de gravação" sentado na lista de participantes. Ele funciona junto com Zoom, Teams, Meet e Webex baseados no navegador — escolha o que o anfitrião tiver usado.

Para conversas presenciais, o modo Talk transforma seu telefone em uma sessão contínua de intérprete. Você inicia uma vez e as duas pessoas falam em turnos; não é um livro de frases de tocar e esperar. E com Speak Translations, a MirrorCaption pode ler sua fala traduzida em voz alta no outro idioma — para que a pessoa do outro lado da mesa ouça a mensagem, e não apenas veja uma legenda.

Alguns detalhes que importam para pessoas na situação de Priya e Marco:

• Sem código, sem chave de API. A camada hospedada de transcrição e tradução é gerenciada para você.
• Privacidade em primeiro lugar. O áudio da reunião passa pelo seu navegador e não é armazenado em nossos servidores — apenas as transcrições que você escolher salvar, mantidas localmente.
• Resumos com IA. Um resumo contínuo é atualizado à medida que a reunião avança, para que quem entrar mais tarde consiga se atualizar em uma única leitura.
• Preços simples. Uma hora grátis para testar (única, sem renovação mensal), Pro Yearly por €54.99 com 110 horas de transcrição hospedada incluídas, ou um plano vitalício único de €99 com 200 horas incluídas e todas as futuras atualizações. Horas extras vêm dos Voice Packs, e clientes vitalícios recebem a menor tarifa por hora.

É a diferença entre alugar um motor e dirigir um carro pronto. Se você também estiver avaliando outras opções, nossa comparação com o OpenAI Whisper cobre a mesma questão de construir versus usar para speech-to-text, e a página alternativa de tradução do Google Meet cobre legendas na plataforma.

Três maneiras de usar tradução ao vivo hoje

Esses cenários curtos e ilustrativos mostram onde uma ferramenta pronta conquista seu espaço em vez de uma API bruta.

Chamadas de vendas internacionais

Uma fundadora em Berlim atende uma chamada com um prospect em São Paulo. O modo Meet mostra a conversa em alemão na tela dela enquanto o prospect fala português, e o Speak Translations vocaliza as respostas dela de volta. Nenhum desenvolvedor esteve envolvido — ela abriu uma aba antes da chamada.

Consultas médicas durante viagens

Um viajante no Japão entrega o telefone sobre a mesa em uma clínica. O modo Talk mantém uma sessão contínua enquanto a conversa vai e volta, então ninguém precisa pausar e apertar um botão a cada frase.

Reuniões diárias multilíngues

Uma equipe distribuída faz uma reunião diária em que o engenheiro de Xangai, o PM de Berlim e a designer de Lisboa leem a reunião em seus próprios idiomas — durante a chamada, não em uma transcrição enviada depois por e-mail. Você pode ver o padrão mais amplo no nosso guia de legendas ao vivo.

Perguntas frequentes

Existe uma Gemini 3.5 Live Translate API?

Sim — Gemini 3.5 Live Translate é um modelo real e dedicado do Google (código do modelo gemini-3.5-live-translate-preview) para tradução de fala para fala em tempo real. Os desenvolvedores o acessam por meio da Gemini Live API; só não existe um "produto de API" pronto que você ativa sem construir um app. O Google também oferece o Live Translate pelo app Google Translate e pela prévia de tradução de fala do Google Meet.

O Gemini consegue traduzir fala em tempo real?

Sim. A Gemini Live API oferece suporte a streaming de áudio bidirecional com baixa latência, então você pode enviar áudio do microfone e receber de volta texto traduzido ou áudio falado enquanto a pessoa ainda está falando — desde que você construa o aplicativo ao redor disso.

Preciso programar para usar a Gemini Live API?

Sim. É uma interface para desenvolvedores. Você precisa escrever código, gerenciar uma chave de API, capturar e transmitir áudio e lidar com erros e escalabilidade. Não desenvolvedores que só querem o resultado traduzido são melhor atendidos por uma ferramenta pronta.

Quanto custa a Gemini Live API?

A Gemini API é cobrada por uso, então o preço depende do modelo e de quanto áudio e texto você processa. O Google publica as tarifas atuais na página de preços. Reserve também tempo de engenharia — a API em si é apenas parte do custo.

Qual é a maneira mais fácil de traduzir uma reunião ao vivo sem uma API?

Use uma ferramenta pronta no navegador. A MirrorCaption funciona no Chrome ou Edge para desktop, captura o áudio da aba da reunião sem nenhum bot entrar na chamada e mostra tradução em tempo real em 50+ idiomas. Não há nada para programar e nenhuma chave de API para gerenciar.

Em resumo

Se você pesquisou por uma "Gemini 3.5 Live Translate API", a resposta honesta é que o modelo é real — mas acessá-lo pela API lhe dá um bloco de construção poderoso, não um produto pronto. Ele pode, sim, alimentar tradução ao vivo, para equipes com tempo de engenharia para construir, manter e escalar em torno dele.

Para todo o resto — o consultor com dois clientes, o viajante em uma clínica, a equipe que só quer se entender na chamada de hoje — o bloco de construção é exagero. Você quer o resultado, e quer agora. É exatamente isso que uma ferramenta baseada em navegador entrega: abra uma aba, escolha seus idiomas e leia cada palavra no seu próprio idioma enquanto a conversa ainda está acontecendo.

Construtores, vão construir. Todo o resto, pule o código e comece a traduzir.