Gemini 3.5 Live Translate no és una simple millora de Google Translate: és l’intent més ambiciós de Google per convertir la traducció simultània de veu en una capa invisible de la comunicació quotidiana, empresarial i educativa.
Google ha presentat Gemini 3.5 Live Translate, el seu nou model d’àudio per a la traducció de veu a veu gairebé en temps real. La companyia el defineix com un pas decisiu en una història que va començar fa dues dècades, quan Google Translate va néixer com un dels seus primers grans experiments d’aprenentatge automàtic aplicat al llenguatge. Des d’aleshores, la traducció automàtica ha passat de ser una eina útil però limitada a convertir-se en una infraestructura quotidiana utilitzada per milers de milions de persones dins dels productes de Google.
La novetat de Gemini 3.5 Live Translate no consisteix únicament a traduir més idiomes. La clau és com tradueix. Segons Google, el model detecta automàticament més de 70 llengües, genera veu traduïda de manera fluida i natural i conserva elements expressius del parlant com l’entonació, el ritme i el to.
La diferència tècnica i cultural és important. Fins ara, bona part dels sistemes de traducció de veu funcionaven de manera fragmentada: una persona parlava, el sistema esperava que acabés, processava el missatge i després retornava una traducció. Aquest model per torns permetia millorar la precisió, però destruïa la naturalitat de la conversa. La comunicació humana no funciona com un formulari. Funciona amb interrupcions, matisos, èmfasi, pauses, emoció, context i sincronització.
Gemini 3.5 Live Translate intenta resoldre aquest problema generant parla traduïda de manera contínua. No espera necessàriament que el parlant acabi tota la seva intervenció. Processa l’àudio mentre es produeix, equilibra la necessitat d’esperar context per millorar la qualitat amb la urgència de traduir amb rapidesa, i es manté només uns segons per darrere de la persona que parla. Aquesta reducció de la latència és el punt crític. En traducció simultània, cada segon compta. Si la demora és excessiva, la conversa es trenca; si el sistema s’avança massa, la traducció pot perdre significat.
Google assegura que el nou model aconsegueix una experiència més fluida, sense pauses incòmodes i amb una veu generada que reprodueix de manera més natural la cadència del parlant. Això converteix Gemini 3.5 Live Translate en una cosa més pròxima a una interpretació automàtica que no pas a una traducció mecànica. La diferència no és menor. Traduir paraules és relativament fàcil comparat amb traduir intenció, ritme, emoció i context comunicatiu.
El llançament té també una dimensió de plataforma. Gemini 3.5 Live Translate no arriba a un únic producte. Google el desplega en tres fronts: desenvolupadors, empreses i usuaris finals. Per als desenvolupadors està disponible en vista prèvia pública a través de Gemini Live API i Google AI Studio. Per a les empreses arribarà en vista prèvia privada a Google Meet dins de Google Workspace. Per als usuaris generals s’incorpora a l’aplicació Google Translate a Android i iOS. Aquesta estratègia mostra una ambició clara: convertir la traducció de veu en una capacitat transversal de tot l’ecosistema Google.
El primer impacte visible serà per als consumidors. A l’aplicació Google Translate, els usuaris podran utilitzar la funció Live Translate en més de 70 idiomes. Amb uns auriculars connectats, l’experiència busca ser més natural, gairebé com escoltar l’altra persona parlant en la pròpia llengua. A Android, a més, Google introdueix un nou «mode escolta» que permet sentir la traducció directament a través de l’auricular del telèfon, com si es tractés d’una trucada.
L’exemple que ofereix Google és senzill però revelador: una persona pot escoltar una traducció a l’anglès gairebé en temps real d’una visita guiada en castellà directament a través de l’auricular del mòbil. Però els casos d’ús van molt més enllà del turisme. Pot aplicar-se a converses familiars, entrevistes, reunions improvisades, atenció al client, formació, esdeveniments, visites mèdiques, tràmits administratius o qualsevol situació en què dues persones no comparteixen idioma.
El segon impacte serà empresarial. Google Meet incorporarà Gemini 3.5 Live Translate per millorar la traducció de veu durant reunions. La millora és substancial respecte al sistema anterior. Google afirma que passarà d’un límit de cinc idiomes a més de 70 i que permetrà més de 2.000 combinacions lingüístiques dins d’una mateixa reunió, en lloc del model anterior centrat principalment en traduccions des de i cap a l’anglès.
Aquest punt té una importància enorme per al treball global. Les empreses operen cada vegada més amb equips distribuïts, clients internacionals, proveïdors en diferents països i plantilles multilingües. Durant anys, l’anglès ha funcionat com la llengua franca de l’economia digital. Però aquesta solució té límits: exclou matisos, penalitza els qui no la dominen, redueix la participació i pot convertir reunions internacionals en espais desiguals. Una traducció de veu fluida pot canviar aquesta dinàmica.
Si funciona bé, Gemini 3.5 Live Translate pot reduir la dependència de l’anglès com a filtre d’accés. Un enginyer a Corea, una responsable de producte a Catalunya, una clienta al Brasil, un proveïdor a Alemanya i un equip a l’Índia podrien participar en una mateixa conversa amb menys fricció lingüística.
El tercer impacte serà per als desenvolupadors. La disponibilitat a través de Gemini Live API obre la porta a altres plataformes per construir aplicacions de traducció de veu en temps real. Google cita integracions amb Agora, Fishjam, LiveKit, Pipecat i Vision Agents, plataformes que gestionen infraestructura d’streaming en temps real i permeten als desenvolupadors centrar-se en l’experiència d’usuari.
Google també assenyala que Grab està provant el model per permetre comunicació multilingüe gairebé instantània entre conductors i passatgers durant les recollides. La dada és significativa perquè Grab gestiona més de deu milions de trucades de veu mensuals dins de la seva plataforma. En aquest context, la traducció no és una funció ornamental. Pot resoldre problemes reals de mobilitat, seguretat, coordinació i atenció al client.
El llançament té també una lectura competitiva. Google fa anys que domina la traducció automàtica a gran escala. Però l’aparició dels models multimodals i de veu en temps real ha obert una nova cursa. OpenAI, Meta, Microsoft, ElevenLabs i altres companyies treballen en veu, traducció, doblatge, assistents i agents conversacionals. Google necessitava demostrar que el seu avantatge històric en traducció podia traslladar-se a l’era dels models multimodals.
Gemini 3.5 Live Translate és precisament aquesta resposta. No es limita a traduir text. Processa àudio en streaming, reconeix idiomes automàticament, manté robustesa en entorns sorollosos i genera àudio traduït amb expressivitat. És una síntesi de diverses capacitats: reconeixement de veu, comprensió multilingüe, traducció, síntesi de parla, processament en temps real i seguretat del contingut generat.
La preservació de l’entonació, el ritme i el to mereix una atenció especial. En comunicació oral, el significat no es troba només en les paraules. Una frase pot ser irònica, urgent, afectuosa, dubitativa o entusiasta segons la manera com es pronuncia. Els sistemes de traducció tradicionals tendien a aplanar aquesta expressivitat. Convertien veus humanes en missatges correctes però freds. Google intenta conservar part d’aquesta capa emocional, cosa que pot fer la traducció més natural i menys robòtica.
Però aquesta mateixa capacitat planteja preguntes. Si una IA reprodueix to i entonació, fins a quin punt està reinterpretant la identitat vocal d’una persona? Ha de sonar com el parlant original, com una veu neutra o com una síntesi expressiva diferenciada? Com s’evita que la traducció sembli una suplantació? Google respon parcialment amb SynthID, el seu sistema de marca d’aigua imperceptible per a àudio generat per IA.
La marca d’aigua és rellevant, però no resol tots els problemes. En temps real, la qüestió principal no és només detectar àudio generat posteriorment, sinó garantir que els participants sàpiguen quan escolten una veu traduïda per IA. La transparència serà fonamental.
Un altre repte serà la precisió en contextos sensibles. Una traducció imperfecta en una visita turística pot ser anecdòtica. Una traducció imperfecta en una reunió mèdica, una negociació jurídica, una emergència o una conversa empresarial crítica pot tenir conseqüències importants. La traducció en temps real sacrifica part del context complet per guanyar velocitat.
Des del punt de vista educatiu, el potencial és enorme. Una classe, una conferència o un seminari podrien esdevenir accessibles per a estudiants de múltiples llengües. Els docents podrien rebre preguntes en idiomes que no dominen. Els cursos internacionals podrien reduir la dependència dels subtítols diferits.
En mitjans de comunicació i entreteniment, Gemini 3.5 Live Translate pot accelerar la internacionalització de continguts. Retransmissions, pòdcasts, entrevistes, esdeveniments en directe, videojocs i vídeos educatius poden oferir versions multilingües més ràpides i naturals.
La privacitat serà especialment sensible perquè la traducció de veu requereix processar converses. Google no només transcriu text; rep àudio, detecta llengua, interpreta contingut, genera traducció i produeix veu sintètica. Els usuaris i les empreses hauran d’entendre quines dades es processen, durant quant temps, amb quins controls i sota quines condicions.
En conclusió, Gemini 3.5 Live Translate representa un avenç rellevant perquè uneix tres elements que fins ara rarament coincidien bé: escala lingüística, naturalitat vocal i baixa latència. Google intenta passar de la traducció com a eina puntual a la traducció com a capa ambiental de la comunicació.
La promesa és enorme: reunions més inclusives, viatges més senzills, classes més accessibles, atenció al client més flexible, plataformes globals més connectades i comunicació quotidiana menys limitada per la llengua. Però l’èxit dependrà de la precisió, la transparència, la privacitat, el cost i la responsabilitat en contextos sensibles.
Durant vint anys, Google Translate ha fet que el text travessés fronteres. Amb Gemini 3.5 Live Translate, Google vol que també ho faci la veu, gairebé al ritme d’una conversa humana. La frontera de l’idioma no desapareixerà de cop, però comença a ser molt més permeable.
