Gemini 3.5 Live Translate de Google apunta al habla en tiempo real

Google ha presentado Gemini 3.5 Live Translate, un modelo de audio diseñado para traducir el lenguaje hablado casi de forma continua en más de 70 idiomas. La propuesta es sencilla: menos pausas incómodas, frases menos robóticas y un.

El modelo funciona de habla a habla, procesando el audio a medida que llega y produciendo el habla traducida unos segundos después. Ese es un pequeño retraso, pero también marca la diferencia entre una herramienta de traducción en vivo usable y el tipo antiguo que convierte cada intercambio en una carrera de relevos de arrancadas y paradas.

Cómo Gemini 3.5 Live Translate maneja el habla

Google dice que el sistema preserva la entonación, el ritmo y el tono al traducir, lo cual importa más de lo que suelen admitir las demostraciones de producto. Una voz monótona puede hacer que incluso una traducción precisa resulte extraña; conservar parte de la forma de hablar del orador ayuda a que el resultado suene más cercano al original, especialmente en entornos de ritmo acelerado como reuniones en línea o conferencias en directo.

La compañía también afirma que el modelo puede manejar entradas con idiomas mezclados automáticamente, sin configuración manual del idioma, y está diseñado para funcionar en condiciones acústicas ruidosas e impredecibles. Eso lo hace más útil en el mundo real que en una sala de demostración impecable, donde la mayoría de las herramientas de traducción históricamente han parecido muy valientes y luego se desmoronaron en el momento en que un ventilador comenzó a zumbar.

Google Translate, Meet y Android reciben el primer despliegue

Google Translate recibe la función a nivel mundial en Android e iOS cuando se usa con auriculares. En Android, Google también añade un modo de escucha que envía la traducción directamente al altavoz del teléfono, haciendo que se sienta más como una conversación telefónica normal que como un bucle de audio traducido.

Recomendado

xAI demanda a un usuario de Grok por imágenes de abuso infantil

Google Meet es el siguiente en la lista para los usuarios de Workspace, empezando con una prueba cerrada para clientes empresariales antes de un lanzamiento más amplio a lo largo del año. Ese orden tiene sentido: las llamadas de vídeo empresariales son donde la traducción puede ahorrar tiempo de forma inmediata, y además dan a Google un terreno de pruebas de alto valor antes de que la función se difunda más.

Los socios ya están construyendo sobre la API

Google también está exponiendo el modelo a través de Gemini Live API, que permite a desarrolladores externos crear sus propios productos de traducción y doblaje de voz. Entre los socios están Agora, Fishjam, LiveKit, Pipecat y Vision Agents, mientras que Grab está probando la tecnología para la comunicación de voz en vivo entre conductores y pasajeros en un entorno multilingüe con millones de llamadas cada mes.

Ese impulso sugiere que Google quiere más que una función llamativa dentro de sus propias aplicaciones. También quiere la capa de infraestructura, y ahí es donde suele estar el dinero. La traducción de voz se está convirtiendo en una carrera por la plataforma, con rivales que intentan dominar no solo la interfaz de consumidor sino la infraestructura subyacente.

SynthID es la medida de seguridad que Google espera que ayude

Google dice que la salida de audio incluye SynthID, una marca de agua incrustada destinada a identificar el habla sintética. Eso no resolverá todos los problemas de uso indebido, pero es una respuesta sensata a una categoría que puede pasar rápidamente de ser una herramienta de conveniencia a un dolor de cabeza por deepfakes si las medidas de seguridad son endebles.

La pregunta más importante es la velocidad de adopción. Si la traducción se siente lo bastante natural en llamadas y reuniones, los usuarios pueden dejar de pensar en la función por completo, lo cual suele ser la señal de que una herramienta de idioma finalmente está cumpliendo su función.