Neovládate cudzie jazyky? Žiaden problém, Google vám urobí osobného AI tlmočníka

Google rozširuje svoje prekladové nástroje o model Gemini 3.5 Live Translate, ktorý má posunúť živý preklad hovoreného slova bližšie k prirodzenej konverzácii.

Nejde len o prepis vety do iného jazyka, ale o priamy prevod reči na reč, pri ktorom sa systém snaží zachovať intonáciu, tempo aj výšku hlasu hovoriaceho.

Novinka prichádza do viacerých produktov Googlu naraz. Vývojári ju môžu testovať cez Gemini Live API a Google AI Studio, vybraní firemní zákazníci ju dostanú v Google Meet a bežní používatelia ju nájdu v aplikácii Google Translate pre Android a iOS. Google hovorí o podpore viac než 70 jazykov a o preklade, ktorý beží len s niekoľkosekundovým oneskorením.

Gemini 3.5 Live Translate funguje inak než staršie systémy, ktoré čakali, kým človek dokončí vetu alebo dlhší úsek reči. Model spracúva zvuk priebežne a zároveň sa snaží nájsť rovnováhu medzi rýchlosťou a presnosťou. Ak by prekladal príliš skoro, môže mu chýbať kontext. Ak by čakal pridlho, konverzácia by sa rozpadla na neprirodzené pauzy. Google tvrdí, že nový model zostáva počas prekladu len niekoľko sekúnd za rečníkom.

Dôležitou súčasťou je automatické rozpoznávanie jazykov. Používateľ ani vývojár nemajú manuálne nastavovať, z akého jazyka sa práve prekladá, čo je praktické najmä pri viacjazyčných hovoroch, stretnutiach alebo vysielaní. Model má byť zároveň odolnejší voči hluku, takže by mal zvládať aj rušnejšie prostredia, hoci reálnu kvalitu ukážu až bežné situácie mimo kontrolovaných ukážok.

Pre vývojárov je Gemini 3.5 Live Translate dostupný vo verejnom náhľade cez Gemini Live API. Google tým cieli na aplikácie pre videohovory, online výučbu, živé vysielanie či zákaznícku podporu. Spoločnosti ako Agora, Fishjam, LiveKit, Pipecat a Vision Agents už majú poskytovať integračné nástroje, ktoré riešia technickú časť streamovania zvuku v reálnom čase. Vývojári sa tak môžu viac sústrediť na samotnú používateľskú skúsenosť.

Google uvádza aj prvé praktické testy. Nový model skúša napríklad Grab, služba rozšírená najmä v juhovýchodnej Ázii, ktorá okrem prepravy ľudí ponúka aj donášku jedla či platobné služby. Preklad má pomôcť pri komunikácii medzi vodičmi a cestujúcimi počas vyzdvihnutia. Podľa Googlu používatelia cez Grab uskutočnia viac než 10 miliónov hlasových hovorov mesačne, takže aj malé zlepšenie zrozumiteľnosti môže mať v praxi citeľný dopad.

Zmeny sa dotknú aj Google Meet. Preklad reči v tejto službe má po novom podporovať viac než 70 jazykov namiesto doterajších piatich. Google zároveň sľubuje vyše 2 000 jazykových kombinácií v rámci jedného stretnutia, pričom preklad už nebude obmedzený len na komunikáciu do angličtiny a z angličtiny. Funkcia sa najprv dostane k vybraným firemným zákazníkom Google Workspace v súkromnom náhľade, širšie nasadenie má nasledovať neskôr v tomto roku.

Najväčší dosah však môže mať aktualizácia aplikácie Google Translate. Gemini 3.5 Live Translate sa má globálne objaviť na Androide aj iOS. Pri použití funkcie živého prekladu bude možné pripojiť ľubovoľné slúchadlá a počúvať preloženú reč prirodzenejším hlasom, ktorý lepšie kopíruje tón pôvodného hovoriaceho.

Používatelia Androidu dostanú navyše nový režim počúvania cez slúchadlo smartfónu. Smartfón si jednoducho priložia k uchu ako pri bežnom hovore a preklad sa bude prehrávať priamo cez reproduktor určený na telefonovanie. To sa môže hodiť napríklad pri prehliadke mesta, rozhovore na recepcii alebo v situácii, keď človek nechce púšťať preklad nahlas a nemá pri sebe slúchadlá. Na iOS táto konkrétna možnosť zatiaľ dostupná nie je.

Google zároveň upozorňuje, že všetok zvuk vytvorený týmito modelmi bude označený vodoznakom SynthID. Ide o nepočuteľné označenie vložené priamo do zvukového výstupu, ktoré má pomôcť rozpoznať AI generovaný obsah. Pri technológii, ktorá dokáže vytvárať plynulý a prirodzene znejúci hlas v cudzom jazyku, je takáto ochrana dôležitá najmä pre obmedzenie zneužitia pri dezinformáciách alebo falošných nahrávkach.

Gemini 3.5 Live Translate zatiaľ stojí najmä na sľuboch Googlu a prvých ukážkach. Tie podľa dostupných informácií pôsobia presvedčivo, no boli nahrané v kontrolovaných podmienkach. Skutočný test príde až v hlučných uliciach, pri slabšom pripojení, prerušovanej reči, prízvukoch a situáciách, kde si ľudia skáču do reči. Ak sa Googlu podarí udržať nízke oneskorenie aj prijateľnú presnosť, živý hlasový preklad sa môže stať oveľa bežnejšou súčasťou cestovania, pracovných stretnutí aj každodennej komunikácie.