Gemini 3.5 Live Translate คือโมเดล Google ที่มีอยู่จริงและสร้างขึ้นมาโดยเฉพาะ — เปิดตัวในเดือนมิถุนายน 2026 — สำหรับการแปลเสียงเป็นเสียงแบบเกือบเรียลไทม์ในกว่า 70 ภาษา นักพัฒนาสามารถเข้าถึงได้ในชื่อโมเดล gemini-3.5-live-translate-preview ผ่าน Gemini Live API และ Google ยังมี Live Translate ให้ใช้งานผ่านแอป Google Translate และพรีวิวการแปลเสียงใน Google Meet สำหรับผู้ใช้ที่มีสิทธิ์ สิ่งที่ไม่มีคือ "Live Translate API" แบบสำเร็จรูปที่แค่เปิดใช้งานได้ทันที: การใช้โมเดลผ่าน API ยังหมายถึงการสร้างแอปขึ้นมารอบ ๆ มันอยู่ดี

นี่คือส่วนที่ผลการค้นหาส่วนใหญ่มักพูดข้ามไป: API คือชิ้นส่วนสำหรับสร้าง ไม่ใช่เครื่องมือที่เสร็จสมบูรณ์แล้ว ถ้าคุณเป็นนักพัฒนา ความแตกต่างนี้น่าตื่นเต้นมาก แต่ถ้าคุณแค่ต้องการเข้าใจลูกค้าในโตเกียวระหว่างคอลสดบ่ายนี้ มันอาจกลายเป็นการอ้อมทางที่กินเวลาสามสัปดาห์

คุณคงสังเกตแล้วว่าโมเดล Gemini ของ Google เคลื่อนตัวเร็วแค่ไหน — เวอร์ชันใหม่ออกมา ความสามารถขยายขึ้น และเอกสารก็เปลี่ยนทุกไตรมาส คู่มือนี้จะอธิบายว่า Gemini Live API ทำอะไรได้จริงสำหรับการแปล ค่าใช้จ่ายในการสร้างด้วยมันเป็นเท่าไร และเมื่อไรที่คุณควรเลือกใช้เครื่องมือสำเร็จรูปบนเบราว์เซอร์อย่าง เครื่องมือแปลการประชุมแบบเรียลไทม์ ที่ไม่ต้องเขียนโค้ดเลย

"Gemini 3.5 Live Translate API" คืออะไร?

ขอเคลียร์ชื่อกันก่อน ผู้คนค้นหา "Gemini 3.5 Live Translate API" โดยคาดหวังว่าจะมีสวิตช์ตัวเดียวที่เปลี่ยน Gemini ให้เป็นล่ามสดได้ โมเดลนี้มีอยู่จริงและมีชื่อชัดเจน — แต่ในฐานะ API มันคือสิ่งที่คุณต้องนำไปสร้างต่อ ไม่ใช่ผลิตภัณฑ์ที่กดครั้งเดียวแล้วใช้ได้เลย

คุณเข้าถึง Gemini 3.5 Live Translate ผ่าน Gemini Live API ซึ่ง Google จัดทำเอกสารไว้สำหรับนักพัฒนา เป็นอินเทอร์เฟซที่หน่วงต่ำซึ่งสตรีมเสียงเข้าไปและสตรีมผลลัพธ์กลับมา — ทั้งข้อความ และอาจรวมถึงเสียงสังเคราะห์ด้วย Live Translate คือโมเดลเสียงเฉพาะทางที่ปรับแต่งมาสำหรับงานนี้ ขณะที่ Live API ในภาพรวมยังสามารถจัดการการถอดเสียง การสรุป หรือการตอบคำถามด้วยโมเดลอื่น ๆ ได้ด้วย

ส่วน "3.5" คือเวอร์ชันของโมเดล Gemini ได้พัฒนาผ่านหลายเจเนอเรชัน และ Google ระบุตัวเลือกปัจจุบันไว้ในหน้ารุ่นโมเดลของตน การตั้งชื่อเวอร์ชันเปลี่ยนเร็วมาก ดังนั้นคำแนะนำเชิงปฏิบัติจึงง่าย ๆ คือ: พัฒนาบน Gemini รุ่นปัจจุบันที่ใช้กับ Live API ไม่ใช่เลขเวอร์ชันเฉพาะที่คุณอ่านเจอจากพาดหัวบล็อกเมื่อหกเดือนก่อน

แนวคิดหลัก: ในฐานะ API, Live Translate คือโมเดลที่คุณต้องสร้างล้อมรอบ ไม่ใช่ผลิตภัณฑ์สำเร็จรูปที่กดเล่นแล้วจบ คุณเปิดเซสชันแบบสตรีมมิงกับโมเดล speech-to-speech ป้อนเสียงเข้าไป แล้วมันก็สตรีมเสียงและข้อความที่แปลกลับมา ความยืดหยุ่นนี้คือเสน่ห์สำหรับคนที่สร้างระบบ — และเป็นแรงเสียดทานสำหรับคนอื่น ๆ

อยากข้ามขั้นตอนการสร้างทั้งหมดแล้วอ่านคำแปลสดในเบราว์เซอร์เลยไหม? คุณสามารถลองใช้ MirrorCaption ฟรีได้พร้อมการถอดเสียงแบบโฮสต์หนึ่งชั่วโมง โดยไม่ต้องใช้บัตรเครดิต เดี๋ยวเราจะกลับมาพูดถึงเรื่องนั้น — แต่ก่อนอื่น มาดูกันว่าเส้นทางผ่าน API ทำงานอย่างไร

นักพัฒนาใช้ Gemini Live API สำหรับการแปลอย่างไร

ในเชิงเทคนิค แอปแปลสดที่สร้างบน Gemini Live API จะมีโครงสร้างที่ชัดเจน แต่ละขั้นตอนทำได้ไม่ยากในตัวมันเอง งานจริงอยู่ที่การเชื่อมทุกอย่างเข้าด้วยกันอย่างเสถียร

  1. เปิดเซสชันแบบสตรีมมิง แอปของคุณยืนยันตัวตนด้วย API key และเปิดการเชื่อมต่อแบบถาวรกับ Live API
  2. จับและสตรีมเสียง คุณดึงเสียงจากไมโครโฟน (หรือเสียงจากการประชุม) ในเบราว์เซอร์หรือแบ็กเอนด์ แล้วสตรีมมันทันทีที่เข้ามา
  3. ตั้งคำสั่ง system prompt จะบอกโมเดลว่าต้องทำอะไร — เช่น "ถอดเสียงผู้พูดและแปลเป็นภาษาอังกฤษ"
  4. รับผลลัพธ์บางส่วน API จะสตรีมข้อความกลับมาขณะที่ผู้พูดกำลังพูดอยู่ คุณจึงแสดงคำแปลได้ก่อนประโยคจะจบ
  5. ถ้าต้องการก็พูดกลับออกมา Live API สามารถส่งเสียงสังเคราะห์กลับมาได้ ดังนั้นแอปของคุณจึงเล่นเสียงที่แปลแล้วออกลำโพงได้

นี่ทรงพลังจริง ๆ ทีมที่สร้างผลิตภัณฑ์คอลเซ็นเตอร์แบบกำหนดเอง คีออสก์เฉพาะทาง หรืออุปกรณ์ฝังตัว จะได้เอนจินที่ยืดหยุ่นและปรับให้เข้ากับเวิร์กโฟลว์ของตัวเองได้อย่างพอดี

นี่คือตัวอย่างประกอบความเข้าใจ ลองนึกถึง Priya นักพัฒนาที่กำลังทำต้นแบบวิดเจ็ตซัพพอร์ตสองภาษา ภายในบ่ายวันเดียว เธอมีเดโมที่สตรีมเสียงของเธอไปยัง Gemini Live API และพิมพ์คำแปลภาษาอังกฤษบนหน้าจอ มันให้ความรู้สึกเหมือนเวทมนตร์ — จนกระทั่งเธอเริ่มไล่รายการสิ่งที่ยังต้องทำก่อนผู้ใช้จริงจะใช้งานได้: ตรรกะการเชื่อมต่อเสียงใหม่เมื่อหลุด การจัดการความเงียบและผู้พูดที่พูดทับกัน ขีดจำกัดอัตราการใช้งาน การแจ้งเตือนบิล ระบบสำรองเมื่อการเชื่อมต่อหลุดกลางคอล และการตรวจสอบด้านความเป็นส่วนตัว ต้นแบบนั้นคือ 20% ที่ง่ายที่สุด

ทั้งหมดนี้ไม่ใช่การตำหนิ API มันเป็นเพียงความแตกต่างที่ตรงไปตรงมาระหว่างเดโมกับผลิตภัณฑ์ ช่องว่างแบบเดียวกันนี้เองที่ทำให้หลายคนที่ต้องการการแปลแบบเรียลไทม์ที่แม่นยำหันไปใช้เครื่องมือสำเร็จรูปแทนที่จะใช้ endpoint ของโมเดลดิบ ๆ

การสร้างด้วย Gemini API แท้จริงแล้วมีค่าใช้จ่ายเท่าไร

ต้นทุนที่เห็นชัดคือบิล API Google คิดค่า Gemini API ตามการใช้งาน ดังนั้นราคาจะปรับตามโมเดลที่คุณเลือกและปริมาณเสียงกับข้อความที่ส่งผ่านเข้าไป นั่นเป็นรูปแบบที่สมเหตุสมผลและโปร่งใสสำหรับนักพัฒนา

แต่บิล API มักไม่ใช่ต้นทุนจริงที่แท้จริง การสร้างและดูแลฟีเจอร์แปลสำหรับใช้งานจริงยังหมายถึง:

อีกหนึ่งตัวอย่างประกอบความเข้าใจ Marco เป็นที่ปรึกษาฟรีแลนซ์ที่มีลูกค้าพูดภาษาจีนกลางสองราย เขาไม่ได้ต้องการ API — เขาต้องการเข้าใจวิดีโอคอลในวันพฤหัสบดี การส่งเขาไปที่ Gemini Live API จะเท่ากับต้องจ้างนักพัฒนาให้สร้างสิ่งที่เขาใช้แค่เดือนละสองชั่วโมง ตัวเลขมันไม่เคยคุ้ม Marco ต้องการผลลัพธ์ ไม่ใช่ชิ้นส่วนสำหรับสร้าง

การแบ่งแบบนั้น — ระหว่างคนที่สร้างกับคนอื่น ๆ — คือจุดตัดสินใจที่แท้จริง งั้นมาทำให้มันชัดเจนกัน

ข้ามขั้นตอนการสร้าง อ่านคำแปลสดในเบราว์เซอร์ของคุณ

ทดลองใช้ฟรีหนึ่งชั่วโมง ไม่ต้องใช้บัตรเครดิต ไม่ต้องใช้ API key ไม่ต้องติดตั้ง

เริ่มต้นฟรี

API กับเครื่องมือสำเร็จรูป: คุณต้องการอะไรกันแน่?

ถ้าคุณกำลังเลือกระหว่างการสร้างบน Gemini Live API กับการใช้เครื่องมือแปลสำเร็จรูป ตารางนี้จะสรุปข้อแลกเปลี่ยนให้เห็นชัด ไม่มีคำตอบที่ผิด — ขึ้นอยู่กับว่าคุณต้องการชิ้นส่วนสำหรับสร้างหรือผลลัพธ์

  Gemini Live API (สร้างเอง) MirrorCaption (ใช้งานเลย)
เหมาะสำหรับใคร นักพัฒนาและทีมผลิตภัณฑ์ ทุกคนที่อยู่ในการประชุมหรือการสนทนา
การตั้งค่า เขียนโค้ด จัดการ API key สร้างไปป์ไลน์เสียง เปิดแท็บเบราว์เซอร์แล้วเริ่มได้เลย
เวลาถึงคำแปลแรก ใช้เวลาทางวิศวกรรมหลายวันถึงหลายสัปดาห์ ไม่ถึงหนึ่งนาที
การประชุม คุณต้องสร้างการจับเสียงและการกำหนดเส้นทางเอง จับเสียงจากแท็บการประชุมใน Chrome หรือ Edge — ไม่มีบอทเข้าร่วมคอล
ผลลัพธ์แบบเสียง คุณต้องสร้างการเล่นเสียงเอง Speak Translations อ่านคำแปลออกเสียงได้
รูปแบบค่าใช้จ่าย บิล API ตามการใช้งาน + เวลาทางวิศวกรรม ทดลองใช้ฟรีหนึ่งชั่วโมง หรือแพ็กเกจตลอดชีพครั้งเดียว €99
การบำรุงรักษา คุณต้องอัปเดตเมื่อเวอร์ชันโมเดลเปลี่ยน จัดการให้คุณแล้ว

ถ้าคุณกำลังปล่อยผลิตภัณฑ์แบบกำหนดเองที่การแปลเป็นเพียงหนึ่งในหลายองค์ประกอบ API คือเครื่องมือที่เหมาะสม แต่ถ้าการแปลคืองานหลัก เครื่องมือสำเร็จรูปจะชนะในทุกด้านที่ไม่ใช่ "การปรับแต่งได้ไม่จำกัด"

MirrorCaption: การแปลแบบเรียลไทม์โดยไม่ต้องเขียนโค้ด

MirrorCaption คือฝั่งเครื่องมือสำเร็จรูปของตารางนั้น เป็นแอปถอดเสียงและแปลแบบเรียลไทม์บนเบราว์เซอร์ที่รองรับ 50+ ภาษาให้เลือก โดยไม่ต้องติดตั้งอะไรและไม่ต้องมีบอทประชุมให้อนุมัติ

สำหรับการประชุมออนไลน์ Meet mode จะจับเสียงจากแท็บการประชุมของคุณใน Chrome บนเดสก์ท็อปหรือ Microsoft Edge ไม่มีบอทเข้าร่วมคอล จึงไม่มี "ผู้ช่วยบันทึก" ที่ดูแปลก ๆ นั่งอยู่ในรายชื่อผู้เข้าร่วม มันทำงานร่วมกับ Zoom, Teams, Meet และ Webex บนเบราว์เซอร์ — เลือกได้ตามที่โฮสต์ใช้

สำหรับการสนทนาแบบตัวต่อตัว Talk mode จะเปลี่ยนโทรศัพท์ของคุณให้เป็นเซสชันล่ามต่อเนื่อง คุณเริ่มครั้งเดียวแล้วทั้งสองคนพูดสลับกันไปมา มันไม่ใช่สมุดวลีแบบแตะแล้วรอ และด้วย Speak Translations MirrorCaption สามารถอ่านเสียงที่แปลแล้วออกมาในภาษาอีกฝั่งได้ — ดังนั้นคนที่นั่งตรงข้ามจึงได้ยินข้อความ ไม่ใช่แค่อ่านคำบรรยาย

มีรายละเอียดบางอย่างที่สำคัญสำหรับคนที่อยู่ในสถานการณ์แบบ Priya และ Marco:

มันคือความแตกต่างระหว่างการเช่าเครื่องยนต์กับการขับรถที่เสร็จสมบูรณ์แล้ว ถ้าคุณกำลังชั่งใจตัวเลือกอื่นด้วย หน้าเปรียบเทียบ OpenAI Whisperของเราจะครอบคลุมคำถามแบบสร้างเองกับใช้งานเลยสำหรับ speech-to-text เช่นเดียวกับหน้าทางเลือกการแปล Google Meetที่ครอบคลุมคำบรรยายในแพลตฟอร์ม

สามวิธีที่ผู้คนใช้การแปลสดในปัจจุบัน

สถานการณ์สั้น ๆ เหล่านี้แสดงให้เห็นว่าเมื่อไรเครื่องมือสำเร็จรูปคุ้มค่ากว่า API ดิบ ๆ

คอลขายข้ามประเทศ

ผู้ก่อตั้งในเบอร์ลินคุยกับผู้สนใจในเซาเปาโล Meet mode แสดงบทสนทนาเป็นภาษาเยอรมันบนหน้าจอของเธอขณะที่อีกฝ่ายพูดภาษาโปรตุเกส และ Speak Translations ก็พากย์คำตอบของเธอกลับไป ไม่มีนักพัฒนาเข้ามาเกี่ยวข้อง — เธอเปิดแท็บก่อนคอล

ไปพบแพทย์ระหว่างเดินทาง

นักเดินทางในญี่ปุ่นส่งโทรศัพท์ข้ามโต๊ะให้คลินิก Talk mode ทำให้เซสชันต่อเนื่องหนึ่งเดียวทำงานไปเรื่อย ๆ ขณะที่บทสนทนาโต้ตอบไปมา ดังนั้นจึงไม่มีใครต้องหยุดแล้วกดปุ่มทุกประโยค

สแตนด์อัปหลายภาษา

ทีมที่กระจายอยู่หลายที่จัดสแตนด์อัปประจำวัน โดยวิศวกรที่เซี่ยงไฮ้ PM ที่เบอร์ลิน และดีไซเนอร์ที่ลิสบอน ต่างอ่านการประชุมในภาษาของตัวเอง — ระหว่างคอล ไม่ใช่ในทรานสคริปต์ที่ส่งอีเมลตามหลัง คุณสามารถดูภาพรวมที่กว้างกว่านี้ได้ในคู่มือคำบรรยายสดของเรา

คำถามที่พบบ่อย

มี Gemini 3.5 Live Translate API ไหม?

มี — Gemini 3.5 Live Translate คือโมเดล Google ที่มีอยู่จริงและสร้างขึ้นมาโดยเฉพาะ (รหัสโมเดล gemini-3.5-live-translate-preview) สำหรับการแปลเสียงเป็นเสียงแบบเรียลไทม์ นักพัฒนาจะเข้าถึงผ่าน Gemini Live API; เพียงแต่ไม่มี "ผลิตภัณฑ์ API" สำเร็จรูปที่เปิดใช้ได้โดยไม่ต้องสร้างแอป Google ยังมี Live Translate ผ่านแอป Google Translate และพรีวิวการแปลเสียงใน Google Meet ด้วย

Gemini แปลเสียงแบบเรียลไทม์ได้ไหม?

ได้ Gemini Live API รองรับการสตรีมเสียงแบบสองทางที่หน่วงต่ำ คุณจึงสตรีมเสียงจากไมโครโฟนเข้าไปและรับข้อความที่แปลแล้วหรือเสียงที่พูดกลับมาได้ในขณะที่อีกฝ่ายยังพูดอยู่ — ตราบใดที่คุณสร้างแอปพลิเคชันรอบ ๆ มัน

ต้องเขียนโค้ดเพื่อใช้ Gemini Live API ไหม?

ต้อง มันคืออินเทอร์เฟซสำหรับนักพัฒนา คุณต้องเขียนโค้ด จัดการ API key จับและสตรีมเสียง และรับมือกับข้อผิดพลาดและการสเกล ผู้ที่ไม่ใช่นักพัฒนาแต่ต้องการผลลัพธ์ที่แปลแล้วจะเหมาะกับเครื่องมือสำเร็จรูปมากกว่า

Gemini Live API ราคาเท่าไร?

Gemini API คิดค่าบริการตามการใช้งาน ดังนั้นราคาจะขึ้นอยู่กับโมเดลและปริมาณเสียงกับข้อความที่คุณประมวลผล Google เผยอัตราปัจจุบันไว้ในหน้าราคา อย่าลืมเผื่อเวลาทางวิศวกรรมด้วย — ตัว API เองเป็นเพียงส่วนหนึ่งของต้นทุน

วิธีที่ง่ายที่สุดในการแปลการประชุมสดโดยไม่ใช้ API คืออะไร?

ใช้เครื่องมือบนเบราว์เซอร์ที่สำเร็จรูป MirrorCaption ทำงานใน Chrome หรือ Edge บนเดสก์ท็อป จับเสียงจากแท็บการประชุมโดยไม่มีบอทเข้าร่วมคอล และแสดงคำแปลแบบเรียลไทม์ใน 50+ ภาษา ไม่มีอะไรต้องเขียนโค้ดและไม่มี API key ให้จัดการ

สรุป

ถ้าคุณค้นหา "Gemini 3.5 Live Translate API" คำตอบที่ตรงไปตรงมาคือโมเดลนี้มีอยู่จริง — แต่การเข้าถึงผ่าน API จะให้ชิ้นส่วนสำหรับสร้างที่ทรงพลัง ไม่ใช่ผลิตภัณฑ์สำเร็จรูป มันสามารถขับเคลื่อนการแปลสดได้อย่างแน่นอน สำหรับทีมที่มีเวลาทางวิศวกรรมพอจะสร้าง ดูแล และสเกลรอบ ๆ มัน

สำหรับคนอื่น ๆ — ที่ปรึกษาที่มีลูกค้าแค่สองราย นักเดินทางที่คลินิก ทีมที่แค่อยากเข้าใจกันได้ในการคอลวันนี้ — ชิ้นส่วนสำหรับสร้างนั้นเกินความจำเป็น คุณต้องการผลลัพธ์ และต้องการเดี๋ยวนี้ นั่นคือสิ่งที่เครื่องมือบนเบราว์เซอร์มอบให้: เปิดแท็บ เลือกภาษา แล้วอ่านทุกคำในภาษาของคุณเองในขณะที่บทสนทนายังดำเนินอยู่

คนที่สร้าง ก็ไปสร้างได้เลย ส่วนคนอื่น ๆ ข้ามโค้ดแล้วเริ่มแปลได้ทันที

แปลบทสนทนาครั้งต่อไปของคุณ ฟรี

ทดลองใช้ฟรีหนึ่งชั่วโมง ไม่ต้องใช้บัตรเครดิต ไม่ต้องใช้ API key ไม่ต้องติดตั้ง ใช้งานได้ในเบราว์เซอร์ของคุณวันนี้

เริ่มต้นฟรี