米Googleは音声翻訳モデル「Gemini 3.5 Live Translate」を発表した。
70以上の言語に対応し、話者の抑揚や話す速さを保ちながら、ほぼリアルタイムで音声翻訳を行う。
音声翻訳が70超言語に拡大
2026年6月9日Googleが発表したGemini 3.5 Live Translateは、ライブ音声を別言語の音声へ変換する最新の音声翻訳モデルである。
入力された音声の言語を自動検出し、翻訳後の音声にも話者のイントネーション、間合い、ピッチを反映する点が特徴だ。
従来の逐次翻訳型システムは、話者が発話を終えるまで待ってから翻訳を返す形式が多かった。これに対し同モデルは、音声が流れている間に翻訳を継続生成する。
文脈を待って品質を高める処理と、会話に遅れず追従する処理のバランスを取り、セッション中は話者から数秒遅れをキープして音声を出力するという。
提供は複数の経路で始まる。開発者向けにはGemini Live API（※）とGoogle AI Studioでパブリックプレビューを開始し、企業向けにはGoogle Meetで今月からプライベートプレビューを展開する。
一般ユーザー向けには、AndroidとiOSのGoogle翻訳アプリでグローバルに提供される。
Google Meetでは、音声翻訳が従来の5言語対応から70以上の言語へ拡張される予定だ。
さらに英語を中心とした翻訳だけでなく、1つの会議内で2000以上の言語組み合わせに対応する方向へ進む。
Google翻訳アプリでは、イヤホン接続時に話者のトーンを反映した翻訳音声を聞けるほか、Androidではスマートフォンを耳に当てて翻訳音声を聞く「リスニングモード」も順次展開される。
※Gemini Live API：GoogleのGeminiモデルを使い、リアルタイム音声対話や音声翻訳機能をアプリに組み込むための開発者向けAPI。会議、授業、通話、配信などへの活用が想定される。
言語の壁は下がるが信頼性が鍵
Gemini 3.5 Live Translateの最大のメリットは、多言語コミュニケーションの心理的・実務的なハードルを大きく下げる点にある。
海外出張、国際会議、オンライン授業、ライブ配信、観光案内などでは、通訳者を常時確保できない場面も多い。
数秒遅れで自然な音声翻訳が返るなら、最低限の意思疎通にとどまらず、会話のテンポや感情の共有まで支援できる可能性がある。
企業にとっては、オンライン会議や海外拠点との商談で、言語面の参加障壁を下げる効果が期待できそうだ。
英語を共通語としない参加者でも発言しやすくなり、海外顧客対応や多国籍チームの運営にも波及するだろう。
開発者向けAPIが公開されることで、会議ツール、教育サービス、旅行アプリ、配信基盤などへの組み込みも進むと考えられる。
一方で、自然に聞こえる翻訳ほど、誤訳や文脈の取り違えに気づきにくいというリスクも考えられる。
特に商談、医療、法務、契約交渉では、流暢な音声であっても内容の正確性を人間が確認する必要は残りそうだ。
また、方言、比喩、皮肉、専門用語、固有名詞などについては、利用場面によって翻訳結果の確認が必要になる可能性もある。
今後の焦点は、翻訳精度だけでなく、責任ある利用設計と検証手段をどこまで社会実装できるかに移ると言える。
関連記事:
XでGrokによる自動翻訳がリリース よりシームレスな情報流通を実現へ
Google、Geminiライブ翻訳開始 AI音声翻訳がリアルタイム対話へ
Google、翻訳特化AI「TranslateGemma」公開 55言語対応オープンモデル
