Gemini 3.5 Live Translate bawa speech-to-speech near real-time ke 70+ bahasa

Google memperkenalkan Gemini 3.5 Live Translate, model translasi suara-ke-suara yang bekerja di atas streaming audio dan tidak menunggu pembicara selesai. Model ini mendeteksi bahasa input secara otomatis, mendukung lebih dari 70 bahasa dan lebih dari 2.000 pasangan bahasa dalam satu meeting, dengan target jeda hanya beberapa detik di belakang pembicara. Outputnya diberi watermark SynthID, dan Google menyebut model ini dirancang untuk tetap bekerja di tengah bising serta suara tumpang tindih, bukan hanya kondisi mic ideal.

Pilihan menariknya ada di tradeoff. Sistem translasi lama menunggu jeda alami, lalu menerjemahkan kalimat utuh dengan kualitas baik; Live Translate menghasilkan audio bahasa target terus-menerus, jadi latency turun dengan ongkos terjemahan yang kadang perlu direvisi di tengah jalan. Google merilisnya di tiga tempat dulu. Grab mengujinya untuk panggilan suara driver-penumpang yang menurutnya lebih dari 10 juta panggilan per bulan, jadi penumpang bisa bicara dalam Bahasa Indonesia dan driver mendengar dalam bahasanya sendiri. Google Meet diperluas dari lima bahasa terjemahan ke 70+ bahasa penuh, dengan pasangan bebas tanpa harus lewat Bahasa Inggris. Di Android, mode listening memutar audio terjemahan langsung lewat earpiece tanpa headphone.

Kenapa ini penting

Buat tim yang membangun produk suara dengan pengguna global, standar bergeser: ekspektasi default pengguna akan berubah dari "caption bahasa lain" menjadi "mereka mendengarku dalam bahasa mereka, sambil bicara." Untuk tim yang menjalankan support multibahasa, sales, atau alur gaya rideshare, ini alternatif kredibel pertama dari menempatkan native speaker di setiap shift; layak dicoba pada panggilan yang sekarang sering jeblok karena aksen atau bising.