Google Gemini 3.5 Live Translate übersetzt Sprache in Echtzeit

Google hat heute die Einführung von Gemini 3.5 Live Translate angekündigt – ein Audiomodell, das Sprachübersetzungen in nahezu Echtzeit für mehr als 70 Sprachen liefert. Das Modell erkennt Sprachen automatisch und generiert übersetzte Sprache, wobei Intonation, Sprechtempo und Tonhöhe der jeweiligen Sprecher erhalten bleiben. Damit hebt sich die Technologie von herkömmlichen Übersetzungsdiensten ab, die oft roboterhaft klingende Ausgaben produzieren.

Ein zentrales Merkmal des Modells ist seine kontinuierliche Sprachgenerierung: Gemini 3.5 Live Translate wartet nicht darauf, dass Sprecher einen Satz beenden, sondern bleibt während einer Sitzung stets nur wenige Sekunden hinter dem Sprecher zurück. Das Modell verarbeitet Sprache während des Streamings und bewältigt mehrsprachige Eingaben ohne manuelle Konfiguration. Google betont zudem die Rauschunempfindlichkeit des Modells, die den Einsatz in lauten und unvorhersehbaren Umgebungen ermöglicht.

Breite Verfügbarkeit ab sofort

Das Modell wird ab heute in verschiedenen Google-Produkten eingeführt. Dazu gehören eine öffentliche Vorschau für Entwickler über die Gemini Live API und Google AI Studio sowie eine private Vorschau für Unternehmen in Google Meet, die noch in diesem Monat startet. Darüber hinaus steht die Technologie über Google Translate auf Android und iOS zur Verfügung.

Mehrere Entwicklerplattformen integrieren die Technologie bereits, um eigene Sprachübersetzungsanwendungen zu ermöglichen. Zu den frühen Partnern zählen Agora, Fishjam, LiveKit, Pipecat und Vision Agents. Dies zeigt, dass Google die Technologie gezielt als Plattformlösung für Drittanbieter positioniert.

Google Meet mit massiv erweiterter Sprachunterstützung

Besonders deutlich wird der Fortschritt bei Google Meet: Der Videodienst nutzt Gemini 3.5 Live Translate künftig für die Sprachübersetzung und bietet damit mehr als 70 Sprachen an – verglichen mit bisher lediglich fünf Sprachen. Damit werden Konversationen in über 2.000 Sprachkombinationen innerhalb eines einzigen Meetings möglich. Für international aufgestellte Unternehmen und Teams mit globaler Belegschaft ist das ein erheblicher Fortschritt.

Als konkretes Praxisbeispiel testet der südostasiatische Mobilitätsanbieter Grab das Modell, um die mehrsprachige Kommunikation zwischen Fahrern und Fahrgästen bei der Abholung zu erleichtern. Grab-Nutzer tätigen monatlich über 10 Millionen Sprachanrufe über die Plattform. Philipp Kandal, Chief Product Officer bei Grab, hob die Fähigkeit des Modells hervor, mehrere Sprachen automatisch zu erkennen und Sprache präzise mit geringer Latenz zu übersetzen.

KI-Wasserzeichen gegen Fehlinformationen

Google adressiert mit Gemini 3.5 Live Translate auch das Thema Missbrauch und Fehlinformationen. Alle vom Modell generierten Audioinhalte sind mit SynthID gekennzeichnet – einem nicht wahrnehmbaren Wasserzeichen, das direkt in die Audioausgabe integriert wird. Dieses Verfahren soll die Verbreitung von manipulierten oder irreführenden Audioinhalten erschweren und schafft damit einen wichtigen Vertrauensrahmen für den Einsatz der Technologie in sensiblen Bereichen.