Google lança o Gemini 3.5 Live Translate: modelo de fala para fala com mais de 70 idiomas

O Google lançou o Gemini 3.5 Live Translate, um modelo de streaming para tradução simultânea de fala em tempo real, com suporte a mais de 70 idiomas. Segundo o MarkTechPost, em 9 de junho de 2026, o novo modelo traduz diretamente de fala para fala, gera o áudio em fluxo contínuo e fica apenas alguns segundos atrás de quem fala. Ele está disponível pela Gemini Live API e foi integrado ao Google Meet e ao aplicativo Google Translate.

Como funciona a tradução em streaming

Os sistemas clássicos de tradução automática primeiro reconhecem a fala inteira, depois traduzem o texto e só então sintetizam o áudio. O Gemini 3.5 Live Translate funciona em streaming: o modelo processa o som recebido em fragmentos e começa a gerar a fala traduzida quase imediatamente, sem esperar o falante terminar a frase. Por isso o atraso cai para alguns segundos, comparável ao de um intérprete simultâneo profissional em uma conferência, e não à pausa habitual de aplicativos tradutores que processam a gravação completa.

Principais fatos do lançamento:

• O modelo se chama Gemini 3.5 Live Translate e pertence à família Gemini do Google.
• Suporta tradução de fala em mais de 70 idiomas.
• Funciona em modo streaming de fala para fala, alguns segundos atrás do original.
• Está disponível para desenvolvedores externos pela Gemini Live API.
• Está integrado ao Google Meet e ao aplicativo Google Translate.

Onde o modelo vai aparecer

O Google está incorporando o Gemini 3.5 Live Translate a vários de seus produtos ao mesmo tempo. No Google Meet, o modelo poderá traduzir a conversa entre participantes de videochamadas que falam idiomas diferentes, praticamente sem atraso. Isso preenche uma lacuna antiga dos serviços de videoconferência: até agora, a maioria usava legendas com texto traduzido, e não tradução de voz ao vivo. No aplicativo Google Translate, o novo modelo substitui ou complementa os mecanismos anteriores de interpretação oral, deixando o modo conversa mais natural para viajantes e negociações de negócios.

O modelo também está aberto a desenvolvedores pela Gemini Live API, uma interface que permite incorporar recursos em tempo real (áudio, vídeo, texto) a aplicativos de terceiros. Isso significa que a tradução de fala para fala poderá ser usada não só pelos produtos do próprio Google, mas por qualquer empresa que crie call centers, plataformas educacionais, assistentes de atendimento ao cliente ou sistemas para eventos internacionais.

Um longo caminho até a tradução de fala ao vivo

A ideia de tradução automática simultânea de fala não é nova: fones tradutores e aplicativos no estilo «guia de conversação» existem há anos. Quase todos sofriam do mesmo problema, uma pausa perceptível entre a fala e a tradução, que transformava o diálogo natural em uma troca de monólogos com espera. Cada elo do pipeline clássico (reconhecimento de fala, tradução de texto, síntese de voz) acrescentava seu próprio atraso e sua própria fonte de erros, e os desencontros entre as etapas podiam distorcer entonação, pausas e até o sentido do que foi dito.

A arquitetura de streaming, que reúne todas essas etapas em um único modelo, responde justamente a esse problema. E o fato de o Google lançá-la direto em produtos de massa como Meet e Translate, em vez de mantê-la como recurso experimental, indica que a empresa está pronta para escalar a tecnologia para milhões de usuários.

O que muda para desenvolvedores e empresas

Um modelo de tradução em streaming acessível por API reduz a barreira de entrada para empresas que antes precisavam contratar uma equipe de intérpretes ou integrar separadamente serviços de reconhecimento de fala, tradução de texto e síntese de voz, com o atraso correspondente em cada etapa. Um único modelo de fala para fala simplifica a arquitetura desses produtos e, potencialmente, reduz a latência total e o custo de operação.

Para os usuários finais, o principal efeito é aproximar a tradução automática da experiência de um intérprete simultâneo humano em situações do dia a dia: videochamadas, viagens, negociações. Considerando que o Google desenvolve o Gemini como um ecossistema de modelos e incorpora novos recursos a seus produtos de massa (Meet, Translate, busca e serviços de escritório), a tradução de fala em streaming pode se tornar bem rápido um recurso padrão, e não uma capacidade de nicho disponível apenas em serviços especializados de interpretação simultânea.

Continua em aberto a questão da qualidade da tradução em cenários difíceis: falas sobrepostas de vários participantes, muito ruído de fundo ou terminologia altamente especializada, em que até intérpretes profissionais cometem erros. O atraso de alguns segundos declarado pelo Google é um meio-termo entre velocidade e precisão: quanto menos contexto o modelo acumula antes de gerar a tradução, maior o risco de imprecisões em frases longas e sintaticamente complexas. Ainda assim, o fato de um recurso desse tipo estar agora embutido em ferramentas do cotidiano como o Google Meet, sem exigir hardware especializado à parte, reduz de forma notável a barreira para a comunicação internacional nos negócios e na vida diária.