Gemini 3.5 Live Translate API,
объяснение

Gemini 3.5 Live Translate — это реальная специализированная модель Google — запущенная в июне 2026 года — для почти мгновенного перевода речи в речь на 70+ языках. Разработчики получают к ней доступ как к модели gemini-3.5-live-translate-preview через Gemini Live API, а Google также предлагает Live Translate через приложение Google Translate и предварительную версию перевода речи в Google Meet для соответствующих пользователей. Чего нет, так это готового «Live Translate API», который можно просто включить: использование модели через API по-прежнему означает создание приложения вокруг неё.

Вот что чаще всего упускают из виду в результатах поиска: API — это строительный блок, а не готовый инструмент. Если вы разработчик, это различие вдохновляет. Если вам просто нужно понять клиента в Токио во время живого звонка сегодня днём, это может обернуться трёхнедельным обходным путём.

Вы, вероятно, заметили, как быстро движутся модели Gemini от Google — выходят новые версии, расширяются возможности, а документация меняется каждый квартал. Это руководство объясняет, что на самом деле делает Gemini Live API для перевода, сколько стоит разработка на его основе и когда лучше выбрать готовый браузерный инструмент перевода встреч в реальном времени, которому не нужен вообще никакой код.

Что такое «Gemini 3.5 Live Translate API»?

Сначала разберёмся с названием. Люди ищут «Gemini 3.5 Live Translate API», ожидая один переключатель, который превращает Gemini в живого переводчика. Модель реальна и имеет своё название — но как API это то, с чем вы строите решение, а не продукт в один клик.

К Gemini 3.5 Live Translate вы получаете доступ через Gemini Live API, задокументированный Google для разработчиков. Это интерфейс с низкой задержкой, который передаёт аудио на вход и возвращает ответы обратно — текст, а при необходимости и синтезированную речь. Live Translate — это специализированная аудиомодель, настроенная именно под эту задачу, тогда как более широкий Live API также может выполнять транскрибацию, суммаризацию или ответы на вопросы с другими моделями.

Часть «3.5» — это версия модели. Gemini прошёл через несколько поколений, и Google перечисляет текущие варианты на своей странице моделей. Брендинг версий меняется быстро, поэтому практический совет прост: стройте решение на той модели Gemini, которая актуальна для Live API сейчас, а не на конкретном номере, который вы прочитали в заголовке блога полгода назад.

Суть: как API, Live Translate — это модель, вокруг которой вы строите решение, а не готовый продукт, который можно просто запустить. Вы открываете потоковую сессию с моделью speech-to-speech, подаёте ей аудио, а она возвращает переведённую речь и текст. Эта гибкость и привлекает разработчиков — и создаёт неудобства для всех остальных.

Хотите вообще обойтись без разработки и просто читать перевод в браузере в реальном времени? Вы можете попробовать MirrorCaption бесплатно с одним часом размещённой транскрибации, без кредитной карты. Мы ещё вернёмся к этому — а сначала посмотрим, как работает путь через API.

Как разработчики используют Gemini Live API для перевода

С технической точки зрения приложение для живого перевода, построенное на Gemini Live API, имеет понятную структуру. Каждый шаг сам по себе прост; работа заключается в том, чтобы надёжно связать их вместе.

1. Откройте потоковую сессию. Ваше приложение проходит аутентификацию с помощью API-ключа и открывает постоянное соединение с Live API.
2. Захватывайте и передавайте аудио. Вы берёте аудио с микрофона (или из встречи) в браузере или на бэкенде и передаёте его по мере поступления.
3. Задайте инструкцию. Системный prompt сообщает модели, что делать — например: «Транскрибируй речь говорящего и переводи на английский».
4. Получайте частичные результаты. API передаёт текст по мере того, как говорит спикер, так что вы можете показывать перевод ещё до окончания предложения.
5. При желании озвучивайте обратно. Live API может возвращать синтезированное аудио, чтобы ваше приложение могло воспроизводить переведённый голос вслух.

Это действительно мощно. Команда, создающая кастомный продукт для колл-центра, нишевый киоск или встроенное устройство, получает гибкий движок, который можно точно подстроить под свой рабочий процесс.

Вот иллюстративный пример. Представьте Прийю, разработчицу, которая прототипирует двуязычный виджет поддержки. За один день у неё появляется демо, которое передаёт её голос в Gemini Live API и выводит перевод на английский на экран. Это кажется магией — пока она не начинает перечислять, что ещё нужно сделать до того, как реальные пользователи смогут этим пользоваться: логику переподключения аудио, обработку тишины и перекрывающихся говорящих, лимиты запросов, уведомления о биллинге, запасной вариант на случай обрыва соединения посреди звонка и проверку приватности. Прототип был лёгкими 20%.

И это не упрёк API. Это просто честная разница между демо и продуктом. Та же самая пропасть объясняет, почему многие, кому нужен точный перевод в реальном времени, выбирают готовый инструмент вместо сырого endpoint модели.

Во что на самом деле обходится разработка на Gemini API

Главная статья расходов — счёт за API. Google взимает плату за Gemini API по модели оплаты по использованию, поэтому цена зависит от выбранной модели и объёма аудио и текста, который вы через неё пропускаете. Для разработчиков это разумно и прозрачно.

Но счёт за API редко является настоящей стоимостью. Создание и поддержка функции перевода в продакшене также означает:

• Инженерное время на создание аудиопайплайна, интерфейса и обработки ошибок.
• Поддержку по мере изменения версий моделей и развития endpoint’ов — эта ежеквартальная смена документации ложится на вашу команду.
• Инфраструктуру для потоковой передачи, масштабирования и мониторинга, когда им пользуются больше нескольких человек.
• Комплаенс: куда уходит аудио, что логируется и как вы информируете пользователей.

Ещё один иллюстративный пример. Марко — независимый консультант с двумя клиентами, говорящими на мандаринском. Ему не нужен API — ему нужно понять видеозвонок в четверг. Если направить его к Gemini Live API, это означало бы нанять разработчика, чтобы создать то, чем он будет пользоваться два часа в месяц. Экономика не сходится. Марко нужен результат, а не строительный блок.

Это разделение — разработчики против всех остальных — и есть настоящий момент принятия решения. Так что давайте сделаем его конкретным.

API или готовый инструмент: что вам действительно нужно?

Если вы выбираете между разработкой на Gemini Live API и использованием готового инструмента перевода, эта таблица показывает компромисс. Неправильного ответа нет — всё зависит от того, нужен ли вам строительный блок или результат.

Если вы выпускаете кастомный продукт, где перевод — лишь один из компонентов, API — правильный инструмент. Если же перевод и есть ваша задача, готовый инструмент выигрывает по всем пунктам, кроме «бесконечной кастомизации».

MirrorCaption: перевод в реальном времени без написания кода

MirrorCaption — это готовая сторона той самой таблицы. Это браузерное приложение для транскрибации и перевода в реальном времени, которое поддерживает 50+ выбираемых языков, без установки и без необходимости одобрять встречного бота.

Для онлайн-встреч режим Meet захватывает аудио вкладки встречи в настольных Chrome или Microsoft Edge. Бот не подключается к звонку, поэтому в списке участников нет неловкого «ассистента записи». Это работает вместе с браузерными Zoom, Teams, Meet и Webex — выбирайте тот, который выбрал организатор.

Для личных разговоров режим Talk превращает ваш телефон в непрерывную сессию перевода. Вы запускаете его один раз, и оба собеседника говорят по очереди; это не разговорник в формате «нажми и жди». А с Speak Translations MirrorCaption может озвучивать ваш переведённый текст на другом языке — так что человек напротив слышит сообщение, а не просто видит субтитр.

Вот несколько деталей, важных для тех, кто оказался на месте Прийи и Марко:

• Без кода, без API-ключа. Размещённый слой транскрибации и перевода управляется за вас.
• Приватность прежде всего. Аудио встречи проходит через ваш браузер и не хранится на наших серверах — только те расшифровки, которые вы решите сохранить, остаются локально.
• AI summaries. Скользящее резюме обновляется по мере продвижения встречи, так что опоздавший участник может быстро наверстать всё за один просмотр.
• Простое ценообразование. Один бесплатный час для теста (разово, без ежемесячного сброса), Pro Yearly за €54.99 с включёнными 110 часами размещённой транскрибации или разовый пожизненный план за €99 с 200 включёнными часами и всеми будущими обновлениями. Дополнительные часы берутся из Voice Packs, а у пожизненных клиентов — самая низкая ставка за час.

Это разница между арендой двигателя и вождением готового автомобиля. Если вы сравниваете и другие варианты, наше сравнение с OpenAI Whisper рассматривает тот же вопрос «строить или использовать» для speech-to-text, а страница альтернативы переводу Google Meet покрывает встроенные субтитры.

Три способа, которыми люди используют живой перевод сегодня

Эти короткие иллюстративные сценарии показывают, где готовый инструмент заслуживает своё место по сравнению с сырым API.

Международные продажи

Основатель в Берлине проводит звонок с потенциальным клиентом в Сан-Паулу. Режим Meet показывает разговор на немецком на её экране, пока клиент говорит по-португальски, а Speak Translations озвучивает её ответы обратно. Разработчик не участвовал — она открыла вкладку перед звонком.

Визиты к врачу во время поездки

Путешественник в Японии передаёт телефон через стол в клинике. Режим Talk поддерживает одну непрерывную сессию, пока разговор идёт туда и обратно, так что никому не нужно ставить паузу и нажимать кнопку для каждого предложения.

Многоязычные стендапы

Распределённая команда проводит ежедневный стендап, где инженер из Шанхая, PM из Берлина и дизайнер из Лиссабона каждый читают встречу на своём языке — во время звонка, а не в расшифровке, отправленной потом по почте. Более широкий контекст вы можете увидеть в нашем руководстве по живым субтитрам.

Часто задаваемые вопросы

Существует ли Gemini 3.5 Live Translate API?

Да — Gemini 3.5 Live Translate — это реальная специализированная модель Google (код модели gemini-3.5-live-translate-preview) для перевода речи в речь в реальном времени. Разработчики получают к ней доступ через Gemini Live API; просто готового «API-продукта», который можно включить без создания приложения, нет. Google также предлагает Live Translate через приложение Google Translate и предварительную версию перевода речи в Google Meet.

Может ли Gemini переводить речь в реальном времени?

Да. Gemini Live API поддерживает двунаправленную потоковую передачу аудио с низкой задержкой, поэтому вы можете передавать аудио с микрофона и получать обратно переведённый текст или озвученную речь, пока человек ещё говорит — при условии, что вы создадите окружающее приложение.

Нужно ли уметь программировать, чтобы использовать Gemini Live API?

Да. Это интерфейс для разработчиков. Вам нужно писать код, управлять API-ключом, захватывать и передавать аудио, а также обрабатывать ошибки и масштабирование. Тем, кто не занимается разработкой и просто хочет получить переведённый результат, лучше подойдёт готовый инструмент.

Сколько стоит Gemini Live API?

Gemini API тарифицируется по использованию, поэтому цена зависит от модели и объёма аудио и текста, который вы обрабатываете. Google публикует актуальные тарифы на странице цен. Закладывайте и инженерное время — сам API составляет лишь часть стоимости.

Какой самый простой способ перевести живую встречу без API?

Используйте готовый браузерный инструмент. MirrorCaption работает в настольных Chrome или Edge, захватывает аудио вкладки встречи без подключения бота к звонку и показывает перевод в реальном времени на 50+ языках. Ничего не нужно программировать и не нужно управлять API-ключом.

Итог

Если вы искали «Gemini 3.5 Live Translate API», честный ответ такой: модель реальна — но доступ к ней через API даёт вам мощный строительный блок, а не готовый продукт. Он вполне может обеспечивать живой перевод для команд, у которых есть инженерное время на разработку, поддержку и масштабирование вокруг него.

Для всех остальных — консультанта с двумя клиентами, путешественника в клинике, команды, которой просто нужно понимать друг друга на сегодняшнем звонке, — строительный блок избыточен. Вам нужен результат, и нужен он сейчас. Именно это и даёт браузерный инструмент: откройте вкладку, выберите языки и читайте каждое слово на своём языке, пока разговор ещё идёт.

Разработчики, стройте. Все остальные — пропустите код и начинайте переводить.