Google dorzuca tłumaczenie mowy na żywo tam, gdzie faktycznie może się przydać: do Translate, Meet i narzędzi dla deweloperów. Najciekawsza zmiana jest jednak bardzo przyziemna — na Androidzie rozmowę da się prowadzić bez słuchawek, po prostu przykładając telefon do ucha.

TL;DR

  • Gemini 3.5 Live Translate obsługuje ponad 70 języków z niskim opóźnieniem
  • Nowy tryb listening mode na Androidzie działa bez słuchawek
  • Model trafia do Google Translate na iOS i Androidzie oraz do Meet dla firm
  • Deweloperzy mają dostęp przez Gemini Live API i AI Studio
  • Wszystkie strumienie audio otrzymują znak wodny SynthID

Google przenosi Gemini 3.5 Live Translate do Translate i Meet

Google rozszerza dostęp do Gemini 3.5 Live Translate poza wcześniejsze, bardziej ograniczone scenariusze sprzętowe. Jak podaje firma w swoich materiałach i prezentacjach, funkcja trafia do aplikacji Google Translate na iOS i Androidzie, a także do Google Meet oraz narzędzi deweloperskich.

W praktyce chodzi o szerszy dostęp, a nie tylko o kolejny pokaz możliwości modelu. Gemini 3.5 Live Translate ma tłumaczyć mowę na mowę, automatycznie wykrywać język i radzić sobie z hałasem w tle. To brzmi jak detal, ale właśnie od takich detali zależy, czy da się tego użyć w kawiarni, na lotnisku albo podczas krótkiej rozmowy w pracy.

Jak działa listening mode na Androidzie?

Najbardziej praktyczna nowość to listening mode na Androidzie. Zamiast zakładać słuchawki, użytkownik może przyłożyć telefon do ucha jak przy zwykłej rozmowie i usłyszeć tłumaczenie z głośnika słuchawkowego.

Google przedstawia to jako tryb bez akcesoriów, co pewnie spodoba się bardziej niż sama nazwa funkcji. Wcześniej podobne rozwiązania były kojarzone głównie z wybranym sprzętem, a teraz wejście jest niższe: wystarczy telefon z Androidem i aplikacja. Na iOS nadal potrzebne są słuchawki, choć firma zapowiada dalsze rozszerzenia.

Kto dostaje Gemini 3.5 Live Translate jako pierwszy?

Google wdraża funkcję etapami. W Google Meet model pojawia się najpierw u wybranych klientów biznesowych, a dopiero później ma trafić szerzej. Według opisu Google Meet zyskuje też obsługę ponad 2000 kombinacji językowych, zamiast wcześniejszego, dużo węższego zakresu.

Równolegle dostęp dostają deweloperzy. Google udostępnia model przez Gemini Live API i AI Studio, więc firmy mogą sprawdzać, jak tłumaczenie mowy na żywo działa we własnych aplikacjach. To ważniejsze, niż brzmi: jeśli takie narzędzia wejdą do call center, obsługi klienta czy aplikacji turystycznych, efekt odczujemy też poza ekosystemem Google.

Co Google mówi o SynthID w tłumaczeniu głosowym?

Google deklaruje, że każdy strumień audio generowany przez Gemini 3.5 Live Translate zawiera znak wodny SynthID. Firma nie przewiduje obecnie opcji jego wyłączenia, co ma ograniczać nadużycia i ułatwiać rozpoznanie materiału wygenerowanego przez AI.

To warstwa zaufania, choć oczywiście nie rozwiązuje wszystkiego. Sam znak wodny nie sprawi, że rozmówca od razu zrozumie ograniczenia tłumaczenia albo wychwyci błąd sensu. Ale w świecie, w którym syntetyczny głos coraz łatwiej pomylić z prawdziwym, taki bezpiecznik ma sens.

Źródła:

Ars Technica, The Verge, 9to5Google, Android Police, Thurrott, blog.google, YouTube Google DeepMind

Najczęściej zadawane pytania