Google DeepMindは2026年6月9日、リアルタイム多言語音声翻訳モデル「Gemini 3.5 Live Translation」を発表した。70言語以上、2,000以上の言語組み合わせでの会話翻訳に対応し、話者が話し始めて数秒後には自然な翻訳音声を生成する。
従来のリアルタイム翻訳との大きな違いは音声の自然さだ。話者の「イントネーション・ペース・声の高さ」を保持して翻訳音声を生成するため、機械的な棒読みにならない。会話の途中で途切れることなく処理が継続する設計で、ターンベースではなくストリーミング形式での翻訳が実現されている。
提供プラットフォームは開発者向けのGoogle AI Studio、企業向け会議ツールのGoogle Meet、一般向けのGoogle Translate（Android・iOS）の三系統だ。生成されたすべての音声にはGoogleのデジタル透かし技術「SynthID」が組み込まれており、AI生成音声であることを事後に検出できる。
音声翻訳はOpenAIの「GPT-Realtime-Translate」が同時期に発表されており、リアルタイムかつ高精度の多言語音声翻訳市場で両社が競合する構図だ。GoogleはGoogle MeetやGoogle Translateというすでに大規模なユーザーベースを持つプラットフォームへの統合を武器に展開できる点が強みとなる。
