Google、リアルタイム音声翻訳を実現する「Gemini 3.5 Live Translate」をリリース

Googleは、ほぼリアルタイムの音声翻訳を提供するAI搭載の音声翻訳モデル「Gemini 3.5 Live Translate」をリリースした ^[1]。

この開発は、言語ツールにおける生成AIへの移行を象徴しており、グローバルビジネスや旅行における言語障壁の摩擦を軽減させる可能性がある。ほぼ瞬時の翻訳を提供することで、従来の翻訳ソフトウェアよりも流暢で正確な多言語コミュニケーションを実現することを目指している。

同モデルは、Googleの最新の生成AI機能を活用することで、速度と精度の向上に重点を置いている ^[1]。同社によると、このシステムは70以上の言語間での翻訳をサポートしている ^[1]。この拡張により、世界的に広く話されている言語から地域的な言語まで、幅広い方言や語族にわたるコミュニケーションが可能になる。

Googleは、音声による文脈で即時の翻訳を必要とするユーザーに対し、より迅速なコミュニケーションを提供することが本ツールの目的であるとしている ^[1]。システムは音声入力を処理し、翻訳された音声応答をほぼ即座に生成するため、デジタル翻訳ツールに特有の「間」を最小限に抑えることができる。

発表は2024年に行われたが ^[1]、展開の焦点はGeminiのマルチモーダル機能の統合にある。これにより、AIが話し言葉のニュアンスや文脈をより適切に理解できるようになり、これは従来の機械翻訳システムにとって長年の課題であった。

Gemini 3.5 Live Translateの導入は、大規模言語モデル（LLM）を日常的なユーティリティアプリに統合するという広範なトレンドに沿ったものである。テキストからテキストへの翻訳を超えて、Googleは自社のAIを物理的およびデジタルな会話における「ライブ仲介者」として位置づけている ^[1]。