何が発表されたか
Googleは音声同時翻訳に特化したAIモデル「Gemini 3.5 Live Translate」を公開しました。Google I/Oで発表された「Gemini 3.5」ファミリーの一部で、先行してロールアウトされたFlashに続く位置づけです。Proモデルも数週間以内に投入される見込みとされています。
技術的なポイント
最大の特徴は、テキストを経由せずに音声から音声へ直接変換する「speech-to-speech」モデルである点です。70以上の言語を自動検出し、設定を手作業で切り替える必要なくマルチリンガル入力をそのまま処理します。話者の抑揚・話す速度・声の高さを再現するため、機械音声特有の単調さが緩和されると説明されています。遅延は通常会話に追従できる「数秒」レベルで、雑音環境下のノイズも除去します。ただし、公開されたデモは管理された条件下で収録された点には留意が必要です。
どこで使えるか
展開先はGoogleエコシステム全体に及びます。Google Meetでの音声翻訳に組み込まれるほか、開発者はGemini Live APIおよびAI Studioのパブリックプレビューで構築を始められます。昨年のTranslateアプリへのリアルタイム翻訳投入から、用途は会議・通話・組み込みアプリへと一段広がる構図です。
💼 事業会社視点：これは自社にどう効くか
国境をまたぐビジネスを抱える日本企業にとって、本モデルの実用性は「会議の生産性」と「採用市場の物理的制約の解消」という二点に直結します。海外拠点や外資クライアントを持つSaaS・受託開発・グローバルEC事業者にとって、Google Meetへ組み込まれる点は重要です。これまで通訳手配や英語要員の配置に依存していたミーティングが、追加コストほぼゼロで多言語化される可能性があります。
経営者・事業責任者が今動くべきは、(1)社内会議運用ルールの再設計（議事録・翻訳の二重投資を見直す）、(2)Gemini Live APIを使った自社プロダクトへの組み込みPoCの即時着手、の二点です。特に観光・接客・コールセンター・越境ECのカスタマーサポートでは、70言語対応と低遅延の組み合わせが、自前で多言語人材を抱える従来モデルの前提を崩します。逆に、翻訳・通訳の人的サービスに依存するビジネスは、向こう1年でコモディティ化圧力に晒されると見るべきです。
