Google lancia Gemini 3.5 Live Translate: la traduzione vocale diventa fluida e continua su 70 lingue
Articolo Precedente
Articolo Successivo
Redazione Scienza e Tecnologia
-
Era uno degli ostacoli più frustranti nelle conversazioni multilingue, quel piccolo silenzio imbarazzante, quella pausa tecnica che spezzava il ritmo dello scambio: il sistema turno per turno, quello che aspetta educatamente che l’interlocutore termini la frase per iniziare a tradurre, appartiene ormai al passato. Google ha infatti ufficialmente presentato Gemini 3.5 Live Translate, un nuovo modello audio per la traduzione vocale simultanea che promette di azzerare queste interruzioni, generando un parlato continuo che insegue chi parola con un ritardo di appena pochi secondi.
Il lancio, avvenuto in queste ore, arriva a vent'anni esatti dal debutto di Google Traduttore, un servizio che ogni mese gestisce la traduzione di oltre un bilione di parole per miliardi di utenti; e per festeggiare questo anniversario l'azienda ha scelto di riscrivere le regole del settore, abbandonando l’approccio tradizionale a favore di un flusso più naturale e umano.
Un equilibrio delicato tra contesto e velocità
La vera innovazione tecnica, a ben vedere, risiede nella gestione del compromesso tra la qualità della traduzione e la sua tempestività. Se da un lato attendere più parole permette al sistema di afferrare meglio il contesto e di limare l’accuratezza, dall'altro un'eccessiva prudenza vanifica lo scopo stesso di una conversazione dal vivo. Gemini 3.5 Live Translate, che è basato sul più potente Gemini 3 Pro e gestisce una finestra di contesto audio fino a 128mila token, ha imparato a barcamenarsi tra queste due esigenze, parola per parola.
Ne deriva un flusso di voce tradotta che non solo evita i silenzi imbarazzanti, ma è capace di preservare elementi sottili come l'intonazione, il ritmo e perfino l'altezza della voce di chi parla; insomma, non si tratta più della classica voce metallica da sintetizzatore, ma di una replica che conserva le sfumature emozionali del discorso originale, adattandosi all’urgenza o alla calma dell'oratore.
Disponibilità trasversale: app, Meet e API
La distribuzione di questo modello, già iniziata nella giornata di oggi, copre l’intero ecosistema dell’azienda di Mountain View. Per gli utenti comuni, la funzione è in fase di rollout globale sull'applicazione Google Traduttore, sia per dispositivi Android che iOS: basterà selezionare la modalità "Traduzione dal vivo" nel menu, connettere un qualsiasi paio di cuffie (non più solo i Pixel Buds, come accadeva in passato) e avviare la conversazione.
Una menzione a parte merita la nuova "Modalità di ascolto" per Android, quella che consente di avvicinare il telefono all'orecchio come in una normale chiamata per ascoltare la traduzione direttamente dal microfono superiore, evitando così di far sentire l'audio tradotto a chi ci sta intorno quando non si dispone di auricolari.
Sul fronte professionale, gli sviluppatori possono già accedere al modello in anteprima pubblica tramite la Gemini Live API e Google AI Studio, mentre i clienti aziendali selezionati potranno testarlo su Google Meet a partire da questo mese: un salto notevole, se si considera che il servizio di videoconferenza passerà dal supportare appena 5 lingue a oltre 70, permettendo oltre 2000 combinazioni linguistiche diverse in una singola riunione, senza più la necessità di passare per l'inglese come lingua ponte.
Grab e i watermark di sicurezza
Non mancano, inoltre, le prime applicazioni concrete in contesti complessi. L'azienda di ride-hailing Grab, per esempio, ha già testato Gemini 3.5 Live Translate per facilitare la comunicazione tra autisti e passeggeri durante le fasi di pickup, gestendo un volume di oltre 10 milioni di chiamate vocali al mese.
Un aspetto che merita attenzione, infine, è quello relativo alla sicurezza e all'autenticità dei contenuti generati: tutti i flussi audio prodotti dal modello vengono infatti marchiati con SynthID, un watermark digitale (un filigrana invisibile) incorporato nella forma d'onda del suono che ne certifica l'origine artificiale, rendendoli rilevabili dagli appositi strumenti per prevenire tentativi di disinformazione o deepfake.
