API-ul Gemini 3.5 Live Translate,
explicat

Gemini 3.5 Live Translate este un model Google real, dedicat — lansat în iunie 2026 — pentru traducere vorbire-la-vorbire aproape în timp real, în peste 70 de limbi. Dezvoltatorii îl accesează ca modelul gemini-3.5-live-translate-preview prin Gemini Live API, iar Google oferă, de asemenea, Live Translate prin aplicația Google Translate și previzualizarea de traducere vocală din Google Meet pentru utilizatorii eligibili. Ceea ce nu există este un „Live Translate API” gata făcut pe care să-l activezi pur și simplu: folosirea modelului prin API înseamnă în continuare să construiești aplicația în jurul lui.

Iată partea pe care cele mai multe rezultate din căutare o trec cu vederea: un API este o piesă de bază, nu un instrument finalizat. Dacă ești dezvoltator, această distincție este interesantă. Dacă ai nevoie doar să înțelegi un client din Tokyo în timpul unui apel live în după-amiaza asta, poate deveni un ocol de trei săptămâni.

Probabil ai observat cât de repede se mișcă modelele Gemini de la Google — apar versiuni noi, capabilitățile se extind, iar documentația se schimbă în fiecare trimestru. Acest ghid explică ce face cu adevărat Gemini Live API pentru traducere, cât costă să construiești cu el și când e mai bine să alegi un instrument finalizat, bazat pe browser, pentru traducerea în timp real a întâlnirilor, care nu necesită deloc cod.

Ce este „Gemini 3.5 Live Translate API”?

Să clarificăm mai întâi numele. Oamenii caută „Gemini 3.5 Live Translate API” așteptându-se la un singur comutator care transformă Gemini într-un interpret live. Modelul este real și are un nume — dar ca API este ceva cu care construiești, nu un produs la un clic distanță.

Accesezi Gemini 3.5 Live Translate prin Gemini Live API, documentat de Google pentru dezvoltatori. Este o interfață cu latență redusă care transmite audio în intrare și transmite răspunsurile înapoi — text și, opțional, vorbire sintetizată. Live Translate este modelul audio dedicat optimizat pentru această sarcină, în timp ce Live API-ul mai larg poate gestiona și transcriere, rezumare sau întrebări și răspunsuri cu alte modele.

Partea „3.5” este o versiune a modelului. Gemini a trecut prin mai multe generații, iar Google listează opțiunile curente pe pagina de modele. Brandingul versiunilor se schimbă rapid, așa că sfatul practic este simplu: construiește pe baza modelului Gemini curent pentru Live API, nu pe baza unui număr specific pe care l-ai citit într-un titlu de blog acum șase luni.

Ideea de bază: ca API, Live Translate este un model în jurul căruia construiești, nu un produs final pe care apeși play. Deschizi o sesiune de streaming cu modelul speech-to-speech, îi trimiți audio și primești înapoi vorbire și text traduse. Această flexibilitate este atractivă pentru cei care construiesc — și fricțiunea pentru toți ceilalți.

Vrei să sari complet peste construcție și doar să citești traducerea live în browser? Poți încerca MirrorCaption gratuit cu o oră de transcriere găzduită, fără card de credit. Revenim la asta — mai întâi, iată cum funcționează calea API.

Cum folosesc dezvoltatorii Gemini Live API pentru traducere

La nivel tehnic, o aplicație de traducere live construită pe Gemini Live API urmează o structură clară. Fiecare pas este simplu în sine; munca reală este să le conectezi fiabil între ele.

1. Deschide o sesiune de streaming. Aplicația ta se autentifică cu o cheie API și deschide o conexiune persistentă la Live API.
2. Capturează și transmite audio. Preiei audio de la microfon (sau din întâlnire) în browser sau în backend și îl transmiți pe măsură ce sosește.
3. Setează instrucțiunea. Un prompt de sistem îi spune modelului ce să facă — de exemplu, „Transcrie vorbitorul și traduce în engleză.”
4. Primește rezultate parțiale. API-ul transmite text înapoi în timp ce vorbitorul vorbește, astfel încât poți afișa traducerea înainte ca propoziția să se termine.
5. Opțional, redă-l vocal. Live API poate returna audio sintetizat, astfel încât aplicația ta poate reda cu voce tare traducerea.

Asta este cu adevărat puternic. O echipă care construiește un produs personalizat pentru call center, un kiosk de nișă sau un dispozitiv încorporat obține un motor flexibil pe care îl poate modela exact după fluxul său de lucru.

Iată un exemplu ilustrativ. Imaginează-ți-o pe Priya, o dezvoltatoare care prototipează un widget de suport bilingv. Într-o după-amiază are un demo care transmite vocea ei către Gemini Live API și afișează pe ecran traducerea în engleză. Pare magie — până când începe să enumere ce a mai rămas de făcut înainte ca utilizatorii reali să poată interacționa cu el: logică de reconectare audio, gestionarea tăcerii și a vorbitorilor care se suprapun, limite de rată, alerte de facturare, o soluție de rezervă când conexiunea cade în mijlocul apelului și o analiză de confidențialitate. Prototipul a fost acel 20% ușor.

Nimic din toate acestea nu este o critică la adresa API-ului. Este doar diferența sinceră dintre un demo și un produs. Același decalaj explică de ce mulți oameni care vor traducere precisă în timp real aleg mai degrabă un instrument finalizat decât un endpoint brut de model.

Cât costă cu adevărat să construiești cu Gemini API

Costul principal este factura API-ului. Google taxează Gemini API pe bază de utilizare, așa că prețul crește în funcție de modelul ales și de cât audio și text trimiți prin el. Asta este rezonabil și transparent pentru dezvoltatori.

Dar factura API-ului rareori este costul real. Construirea și întreținerea unei funcții de traducere în producție înseamnă și:

• Timp de inginerie pentru a construi fluxul audio, interfața și gestionarea erorilor.
• Întreținere pe măsură ce versiunile modelului se schimbă și endpointurile evoluează — acea schimbare trimestrială a documentației ajunge la echipa ta.
• Infrastructură pentru streaming, scalare și monitorizare odată ce îl folosesc mai mult de câțiva oameni.
• Conformitate: unde ajunge audio-ul, ce se înregistrează și cum le spui utilizatorilor.

Un alt exemplu ilustrativ. Marco este un consultant freelancer cu doi clienți care vorbesc mandarină. El nu are nevoie de un API — are nevoie să înțeleagă un apel video joi. Dacă l-ai trimite către Gemini Live API, ar însemna să angajeze un dezvoltator ca să construiască ceva ce va folosi două ore pe lună. Matematica nu se potrivește niciodată. Marco vrea rezultatul, nu piesa de bază.

Această împărțire — constructorii versus toți ceilalți — este adevăratul punct de decizie. Așa că să o facem concretă.

API vs. instrument finalizat: de ce ai nevoie, de fapt?

Dacă alegi între a construi pe Gemini Live API și a folosi un instrument de traducere gata făcut, acest tabel prezintă compromisurile. Nu există un răspuns greșit — depinde dacă vrei o piesă de bază sau un rezultat.

Dacă lansezi un produs personalizat în care traducerea este doar un ingredient printre multe altele, API-ul este instrumentul potrivit. Dacă traducerea este treaba principală, un instrument finalizat câștigă la fiecare linie care nu înseamnă „personalizare infinită”.

MirrorCaption: traducere în timp real fără să scrii cod

MirrorCaption este partea de instrument finalizat din acel tabel. Este o aplicație bazată pe browser pentru transcriere și traducere în timp real, care suportă 50+ limbi selectabile, fără nimic de instalat și fără un bot de întâlnire care să aștepte aprobare.

Pentru întâlniri online, modul Meet capturează audio-ul din fila întâlnirii în Chrome desktop sau Microsoft Edge. Niciun bot nu se alătură apelului, așa că nu există un „asistent de înregistrare” stânjenitor în lista participanților. Funcționează alături de Zoom, Teams, Meet și Webex bazate pe browser — alege-l pe cel pe care l-a ales gazda.

Pentru conversații față în față, modul Talk transformă telefonul tău într-o sesiune continuă de interpretare. Îl pornești o singură dată și ambele persoane vorbesc pe rând; nu este un dicționar de expresii pe care îl atingi și aștepți. Iar cu Speak Translations, MirrorCaption poate citi cu voce tare vorbirea tradusă în cealaltă limbă — astfel încât persoana de peste masă aude mesajul, nu doar vede o subtitrare.

Câteva detalii care contează pentru oamenii aflați în situația Priyei și a lui Marco:

• Fără cod, fără cheie API. Stratul de transcriere și traducere găzduit este gestionat pentru tine.
• Prioritate pentru confidențialitate. Audio-ul întâlnirii trece prin browserul tău și nu este stocat pe serverele noastre — doar transcrierile pe care alegi să le salvezi, păstrate local.
• Rezumate AI. Un rezumat în desfășurare se actualizează pe măsură ce întâlnirea avansează, astfel încât cineva care intră mai târziu poate recupera totul dintr-o singură lectură.
• Prețuri simple. O oră gratuită pentru testare (o singură dată, fără resetare lunară), Pro Yearly la 54,99 € cu 110 de ore de transcriere găzduită incluse, sau un plan pe viață unic de 99 € cu 200 de ore incluse și toate actualizările viitoare. Orele suplimentare vin din Voice Packs, iar clienții pe viață beneficiază de cel mai mic tarif pe oră.

Este diferența dintre a închiria un motor și a conduce o mașină finalizată. Dacă analizezi și alte opțiuni, comparația noastră cu OpenAI Whisper acoperă aceeași întrebare construire-vs-utilizare pentru speech-to-text, iar pagina alternativa la traducerea din Google Meet acoperă subtitrările din platformă.

Trei moduri în care oamenii folosesc astăzi traducerea live

Aceste scenarii scurte, ilustrative, arată unde un instrument finalizat își câștigă locul în fața unui API brut.

Apeluri de vânzări transfrontaliere

Un fondator din Berlin ia un apel cu un potențial client din São Paulo. Modul Meet afișează conversația în germană pe ecranul ei în timp ce prospectul vorbește portugheză, iar Speak Translations îi redă răspunsurile cu voce tare. Niciun dezvoltator nu a fost implicat — a deschis o filă înainte de apel.

Vizite la doctor în timpul călătoriilor

Un călător din Japonia își întinde telefonul peste birou într-o clinică. Modul Talk menține o sesiune continuă pe măsură ce conversația merge înainte și înapoi, astfel încât nimeni nu trebuie să se oprească și să apese un buton pentru fiecare propoziție.

Standup-uri multilingve

O echipă distribuită are un standup zilnic în care inginerul din Shanghai, PM-ul din Berlin și designerul din Lisabona citesc fiecare întâlnirea în propria limbă — în timpul apelului, nu într-o transcriere trimisă ulterior prin e-mail. Poți vedea modelul mai larg în ghidul nostru pentru subtitrări live.

Întrebări frecvente

Există un Gemini 3.5 Live Translate API?

Da — Gemini 3.5 Live Translate este un model Google real, dedicat (cod model gemini-3.5-live-translate-preview) pentru traducere vorbire-la-vorbire în timp real. Dezvoltatorii îl accesează prin Gemini Live API; pur și simplu nu există un „produs API” gata făcut pe care să-l activezi fără să construiești o aplicație. Google oferă, de asemenea, Live Translate prin aplicația Google Translate și previzualizarea de traducere vocală din Google Meet.

Poate Gemini traduce vorbirea în timp real?

Da. Gemini Live API suportă streaming audio bidirecțional cu latență redusă, astfel încât poți transmite audio de la microfon și primi înapoi text tradus sau audio vorbit în timp ce cineva încă vorbește — atâta timp cât construiești aplicația din jurul lui.

Trebuie să scriu cod ca să folosesc Gemini Live API?

Da. Este o interfață pentru dezvoltatori. Trebuie să scrii cod, să gestionezi o cheie API, să capturezi și să transmiți audio și să gestionezi erorile și scalarea. Cei care nu sunt dezvoltatori și vor doar rezultatul tradus sunt serviți mai bine de un instrument finalizat.

Cât costă Gemini Live API?

Gemini API se facturează în funcție de utilizare, așa că prețul depinde de model și de cât audio și text procesezi. Google publică tarifele curente pe pagina de prețuri. Bugetează și timp de inginerie — API-ul în sine este doar o parte din cost.

Care este cea mai ușoară modalitate de a traduce o întâlnire live fără un API?

Folosește un instrument finalizat în browser. MirrorCaption rulează în Chrome sau Edge pe desktop, capturează audio-ul din fila întâlnirii fără ca un bot să se alăture apelului și afișează traducerea în timp real în peste 50 de limbi. Nu ai nimic de programat și nicio cheie API de gestionat.

Concluzia

Dacă ai căutat un „Gemini 3.5 Live Translate API”, răspunsul sincer este că modelul este real — dar accesarea lui prin API îți oferă o piesă de bază puternică, nu un produs final. Poate alimenta cu adevărat traducerea live, pentru echipele care au timpul de inginerie necesar să construiască, să întrețină și să scaleze în jurul lui.

Pentru toți ceilalți — consultantul cu doi clienți, călătorul din clinică, echipa care doar vrea să se înțeleagă în apelul de azi — piesa de bază este prea mult. Vrei rezultatul și îl vrei acum. Exact asta oferă un instrument bazat pe browser: deschizi o filă, alegi limbile și citești fiecare cuvânt în propria ta limbă în timp ce conversația încă are loc.

Cei care construiesc, construiți. Toți ceilalți, săriți peste cod și începeți să traduceți.