Google: Gemini 3.5 Live Translate — prijevod govor-u-govor u 70+ jezika u stvarnom vremenu

Google je predstavio Gemini 3.5 Live Translate — sustav za speech-to-speech prijevod (prevođenje izgovorene riječi direktno u izgovorenu riječ na drugom jeziku) s kašnjenjem od svega nekoliko sekundi. Za razliku od prethodnih rješenja koja su podržavala samo engleski, nova verzija pokriva 70+ jezika i više od 2.000 jezičnih kombinacija u sastancima i pozivima.

Što je speech-to-speech prijevod?

Speech-to-speech — za razliku od klasičnog prevođenja teksta — hvata govor u stvarnom vremenu, prevodi ga i odmah isporučuje prevedeni audio sugovorniku. Gemini 3.5 Live Translate pritom čuva intonaciju, ritam i visinu glasa izvornog govornika, čime se zadržava prirodnost komunikacije umjesto robotskog tona kakvog donose starije metode.

SynthID zaštita i dostupnost

Sav generirani audio sadržaj nosi SynthID vodeni žig — Googleov standard za označavanje sintetičkog govora koji omogućuje naknadnu provjeru autentičnosti i sprječava zlouporabu deepfake audiom. Sustav je dostupan u developer public preview putem Gemini Live API-ja i Google AI Studija, dok je za Google Meet Enterprise u tijeku private preview. Globalni rollout na Google Translate aplikaciji (Android i iOS) već je u tijeku.

Razmjeri primjene

Googleov vlastiti Google Translate prevodi više od jednog bilijuna riječi svaki mjesec, što daje uvid u razmjere infrastrukture na kojoj počiva novi sustav. Platforma za prijevoz Grab, koja koristi Gemini Live API, bilježi više od 10 milijuna glasovnih poziva mjesečno — potencijalna baza korisnika koja može odmah profitirati od višejezičnog prijevoda u stvarnom vremenu.

Dostupnost na razvojnim platformama znači da programeri već sada mogu integrirati prijevod u vlastite aplikacije, dok čekaju širi javni rollout.