Gemini 3.5 Live Translate API,
Пояснення

Gemini 3.5 Live Translate — це реальна, спеціалізована модель Google — запущена в червні 2026 року — для майже миттєвого перекладу мовлення в мовлення більш ніж 70 мовами. Розробники отримують доступ до неї як до моделі gemini-3.5-live-translate-preview через Gemini Live API, а Google також пропонує Live Translate через додаток Google Translate та попередній перегляд перекладу мовлення в Google Meet для відповідних користувачів. Чого немає, так це готового «Live Translate API», який можна просто увімкнути: використання моделі через API все одно означає створення застосунку навколо неї.

Ось що більшість результатів пошуку замовчує: API — це будівельний блок, а не готовий інструмент. Якщо ви розробник, ця різниця надихає. Якщо ж вам просто потрібно зрозуміти клієнта в Токіо під час живого дзвінка сьогодні вдень, це може обернутися тритижневим відхиленням від плану.

Ви, мабуть, помічали, як швидко рухаються моделі Gemini від Google — виходять нові версії, розширюються можливості, а документація змінюється щокварталу. Цей посібник пояснює, що насправді робить Gemini Live API для перекладу, скільки коштує розробка на його основі та коли краще обрати готовий браузерний інструмент перекладу зустрічей у реальному часі, який не потребує жодного коду.

Що таке «Gemini 3.5 Live Translate API»?

Спершу розберімося з назвою. Люди шукають «Gemini 3.5 Live Translate API», очікуючи один перемикач, який перетворює Gemini на живого перекладача. Модель реальна й має назву — але як API це щось, з чим ви будуєте рішення, а не продукт у один клік.

Доступ до Gemini 3.5 Live Translate здійснюється через Gemini Live API, задокументований Google для розробників. Це інтерфейс із низькою затримкою, який передає аудіо в потоці та повертає відповіді назад — текст і, за потреби, синтезоване мовлення. Live Translate — це спеціалізована аудіомодель, налаштована саме для цього завдання, тоді як ширший Live API також може обробляти транскрипцію, підсумовування або відповіді на запитання з іншими моделями.

Частина «3.5» — це версія моделі. Gemini пройшов через кілька поколінь, і Google перелічує актуальні варіанти на своїй сторінці моделей. Брендинг версій змінюється швидко, тож практична порада проста: розробляйте під ту модель Gemini, яка зараз актуальна для Live API, а не під конкретний номер, який ви прочитали в заголовку блогу пів року тому.

Головна ідея: як API, Live Translate — це модель, навколо якої ви будуєте рішення, а не готовий продукт, який можна просто запустити. Ви відкриваєте потокову сесію з моделлю мовлення-в-мовлення, подаєте їй аудіо, а вона повертає перекладене мовлення й текст у потоці. Саме ця гнучкість приваблює розробників — і створює незручності для всіх інших.

Хочете повністю пропустити етап розробки й просто читати переклад у браузері? Ви можете спробувати MirrorCaption безкоштовно з однією годиною хостованої транскрипції, без кредитної картки. Ми ще повернемося до цього — а спершу розгляньмо, як працює шлях через API.

Як розробники використовують Gemini Live API для перекладу

На технічному рівні застосунок для живого перекладу, побудований на Gemini Live API, має чітку структуру. Кожен крок окремо простий; робота полягає в тому, щоб надійно з’єднати їх між собою.

1. Відкрийте потокову сесію. Ваш застосунок автентифікується за допомогою API-ключа та відкриває постійне з’єднання з Live API.
2. Захоплюйте та передавайте аудіо. Ви отримуєте аудіо з мікрофона (або зустрічі) у браузері чи на бекенді та передаєте його в міру надходження.
3. Задайте інструкцію. Системний промпт повідомляє моделі, що робити — наприклад, «Транскрибуй мовця та перекладай англійською».
4. Отримуйте часткові результати. API повертає текст у потоці, поки мовець говорить, тож ви можете показувати переклад ще до завершення речення.
5. За потреби озвучуйте його. Live API може повертати синтезоване аудіо, тож ваш застосунок може відтворювати перекладене мовлення вголос.

Це справді потужно. Команда, що створює власний продукт для кол-центру, нішовий кіоск або вбудований пристрій, отримує гнучкий рушій, який можна точно підлаштувати під свій робочий процес.

Ось ілюстративний приклад. Уявіть Прію, розробницю, яка прототипує двомовний віджет підтримки. За один день у неї вже є демо, яке передає її голос до Gemini Live API та виводить англійський переклад на екран. Це здається магією — аж поки вона не починає перелічувати, що ще потрібно зробити, перш ніж реальні користувачі зможуть цим скористатися: логіка повторного підключення аудіо, обробка тиші та накладання голосів, ліміти швидкості, сповіщення про білінг, резервний варіант на випадок обриву з’єднання посеред дзвінка та перевірка конфіденційності. Прототип був легкими 20%.

У цьому немає критики API. Це просто чесна різниця між демо та продуктом. Та сама прірва пояснює, чому багато людей, яким потрібен точний переклад у реальному часі, обирають готовий інструмент замість сирого endpoint моделі.

Скільки насправді коштує розробка на Gemini API

Головна стаття витрат — це рахунок за API. Google стягує плату за Gemini API на основі використання, тож ціна масштабується залежно від обраної моделі та обсягу аудіо й тексту, які ви через неї пропускаєте. Для розробників це розумно й прозоро.

Але рахунок за API рідко є справжньою вартістю. Створення та підтримка функції перекладу в продакшені також означає:

• Час інженерів на побудову аудіопайплайна, інтерфейсу та обробки помилок.
• Підтримку в міру зміни версій моделі та еволюції endpoint-ів — це щоквартальне оновлення документації лягає на вашу команду.
• Інфраструктуру для потокової передачі, масштабування та моніторингу, коли ним користується більше ніж кілька людей.
• Роботу з відповідністю вимогам: куди потрапляє аудіо, що логуються та як ви повідомляєте користувачів.

Ще один ілюстративний приклад. Марко — фриланс-консультант із двома клієнтами, які говорять мандаринською. Йому не потрібен API — йому потрібно зрозуміти відеодзвінок у четвер. Якщо спрямувати його до Gemini Live API, це означало б найняти розробника, щоб створити щось, чим він користуватиметься дві години на місяць. Математика не сходиться. Марко хоче результат, а не будівельний блок.

Саме це розділення — розробники проти всіх інших — і є справжньою точкою ухвалення рішення. Тож зробімо це конкретним.

API чи готовий інструмент: що вам насправді потрібно?

Якщо ви обираєте між розробкою на Gemini Live API та використанням готового інструменту перекладу, ця таблиця показує компроміс. Немає неправильного варіанта — усе залежить від того, чи потрібен вам будівельний блок, чи результат.

Якщо ви випускаєте власний продукт, де переклад — лише один із багатьох компонентів, API є правильним інструментом. Якщо ж переклад і є завданням, готовий інструмент перемагає в усьому, що не є «безмежною кастомізацією».

MirrorCaption: переклад у реальному часі без написання коду

MirrorCaption — це готова сторона тієї таблиці. Це браузерний застосунок для транскрипції та перекладу в реальному часі, який підтримує 50+ мов для вибору, без встановлення та без необхідності схвалювати зустрічного бота.

Для онлайн-зустрічей Meet mode захоплює аудіо вкладки зустрічі в настільних Chrome або Microsoft Edge. Бот не приєднується до дзвінка, тож у списку учасників немає незручного «асистента запису». Це працює разом із браузерними Zoom, Teams, Meet і Webex — обирайте той, який вибрав ваш хост.

Для особистих розмов Talk mode перетворює ваш телефон на безперервну сесію перекладача. Ви запускаєте його один раз, і обидві людини говорять по черзі; це не розмовник із натисканням і очікуванням. А з Speak Translations MirrorCaption може озвучувати ваше перекладене мовлення іншою мовою — тож людина навпроти чує повідомлення, а не просто бачить підпис.

Ось кілька деталей, важливих для людей у ситуації Прії та Марко:

• Без коду, без API-ключа. Хостований шар транскрипції та перекладу керується за вас.
• Пріоритет конфіденційності. Аудіо зустрічі передається через ваш браузер і не зберігається на наших серверах — лише ті транскрипти, які ви вирішите зберегти, залишаються локально.
• Підсумки на основі ШІ. Поточний підсумок оновлюється в міру перебігу зустрічі, тож той, хто приєднався пізніше, може швидко надолужити все за один перегляд.
• Просте ціноутворення. Безкоштовна година для тесту (одноразово, без щомісячного скидання), Pro Yearly за €54.99 із 110 годинами хостованої транскрипції, або одноразовий довічний план за €99 із 200 годинами та всіма майбутніми оновленнями. Додаткові години надаються через Voice Packs, а клієнти довічного плану отримують найнижчу ставку за годину.

Це різниця між орендою двигуна та керуванням готовим автомобілем. Якщо ви також розглядаєте інші варіанти, наше порівняння з OpenAI Whisper охоплює те саме питання «створювати чи використовувати» для перетворення мовлення в текст, а сторінка альтернативи перекладу Google Meet охоплює субтитри в межах платформи.

Три способи, якими люди використовують живий переклад сьогодні

Ці короткі ілюстративні сценарії показують, де готовий інструмент виправдовує себе краще, ніж сирий API.

Міжнародні продажні дзвінки

Засновниця в Берліні бере дзвінок із потенційним клієнтом у Сан-Паулу. Meet mode показує розмову німецькою на її екрані, поки клієнт говорить португальською, а Speak Translations озвучує її відповіді назад. Розробник не був залучений — вона просто відкрила вкладку перед дзвінком.

Візити до лікаря під час подорожі

Мандрівник у Японії передає свій телефон через стіл у клініці. Talk mode підтримує одну безперервну сесію, поки розмова йде туди-сюди, тож нікому не потрібно зупинятися й натискати кнопку для кожного речення.

Багатомовні стендапи

Розподілена команда проводить щоденний стендап, де інженер із Шанхаю, PM із Берліна та дизайнер із Лісабона читають зустріч кожен своєю мовою — під час дзвінка, а не в транскрипті, надісланому потім електронною поштою. Ширшу картину можна побачити в нашому посібнику з живих субтитрів.

Часті запитання

Чи існує Gemini 3.5 Live Translate API?

Так — Gemini 3.5 Live Translate є реальною, спеціалізованою моделлю Google (код моделі gemini-3.5-live-translate-preview) для перекладу мовлення в мовлення в реальному часі. Розробники отримують доступ до неї через Gemini Live API; просто готового «API-продукту», який можна увімкнути без створення застосунку, не існує. Google також пропонує Live Translate через додаток Google Translate та попередній перегляд перекладу мовлення в Google Meet.

Чи може Gemini перекладати мовлення в реальному часі?

Так. Gemini Live API підтримує двонапрямлену потокову передачу аудіо з низькою затримкою, тож ви можете передавати аудіо з мікрофона та отримувати назад перекладений текст або озвучене аудіо, поки людина ще говорить — за умови, що ви створите навколишній застосунок.

Чи потрібно мені писати код, щоб використовувати Gemini Live API?

Так. Це інтерфейс для розробників. Вам потрібно писати код, керувати API-ключем, захоплювати та передавати аудіо, а також обробляти помилки й масштабування. Нерозробникам, які просто хочуть отримати перекладений результат, краще підійде готовий інструмент.

Скільки коштує Gemini Live API?

Gemini API тарифікується за використанням, тож ціна залежить від моделі та обсягу аудіо й тексту, які ви обробляєте. Google публікує актуальні тарифи на сторінці цін. Також закладайте час інженерів — сам API є лише частиною витрат.

Який найпростіший спосіб перекладати живу зустріч без API?

Використайте готовий браузерний інструмент. MirrorCaption працює в настільних Chrome або Edge, захоплює аудіо вкладки зустрічі без приєднання бота до дзвінка та показує переклад у реальному часі більш ніж 50 мовами. Тут не потрібно писати код і немає API-ключа, яким треба керувати.

Підсумок

Якщо ви шукали «Gemini 3.5 Live Translate API», чесна відповідь така: модель реальна — але доступ до неї через API дає вам потужний будівельний блок, а не готовий продукт. Він цілком може забезпечити живий переклад для команд, у яких є час на розробку, підтримку та масштабування навколо нього.

Для всіх інших — консультанта з двома клієнтами, мандрівника в клініці, команди, яка просто хоче розуміти одне одного під час сьогоднішнього дзвінка — будівельний блок є надмірним. Вам потрібен результат, і потрібен він зараз. Саме це й дає браузерний інструмент: відкрийте вкладку, виберіть мови та читайте кожне слово своєю мовою, поки розмова ще триває.

Розробники, розробляйте. Усі інші — пропустіть код і починайте перекладати.