Google、会議ツールMeetにも展開音声翻訳モデル「Gemini 3.5 Live Translate」発表

米Googleは2026年6月9日（現地時間）、70以上の言語に対応するリアルタイム音声翻訳モデル「Gemini 3.5 Live Translate」を発表しました。同モデルは、話し手の発話が終わるのを待つのではなく、数秒遅れで連続的に翻訳音声を生成することで、同時通訳に近い体験を提供します。話し手のイントネーションや間、ピッチを維持した自然な合成音声で、多言語に自動対応します。

一般ユーザー向けには、6月9日よりAndroid・iOS版「Google翻訳」アプリへのグローバル展開が始まりました。アプリの音声翻訳機能を通じて、ほぼリアルタイムの双方向コミュニケーションが可能になります。またAndroidでは、ヘッドフォンなしでもイヤピースから翻訳音声を聴ける新機能「リスニングモード」の導入も始まっています。

開発者向けには、「Gemini Live API」と開発ツール群「Google AI Studio」でパブリックプレビューとして提供が開始されました。外部サービスやアプリケーションへ音声翻訳機能を組み込めます。Workspace企業顧客向けにはプライベートプレビューとして提供され、2026年後半には広く展開予定です。

ビジネスシーンへの影響も大きそうです。Google Meetの音声翻訳はこれまで英語と他言語との間で5言語に限定されていました。しかし、新モデルの採用により70以上の言語に対応し、1回の会議で2000以上の言語ペアで会話が可能となります。

多国籍チームや海外拠点との会議で、参加者がそれぞれ異なる母語を使いながら同時通訳に近い対話環境が整うことで、オンライン会議のあり方を変える可能性があります。

Gemini 3.5 Live Translateが実現する「言語の壁」縮小と活用シーン

Googleは、Gemini 3.5 Live Translateを自社製品全体で展開する方針を示しており、日常会話からビジネス会議、教育、観光まで多様なシーンでの活用を想定しています。教育分野ではオンライン授業や国際共同セミナー、イベント分野ではライブ配信や国際カンファレンスなどで、参加者それぞれが自分の言語でコンテンツを理解できる環境づくりへの貢献が期待されます。

安全面では、生成されたすべての音声にAI透かし技術「SynthID」が適用されました。この透かしは音声出力に直接埋め込まれ、AIが生成したコンテンツの検出を可能にすることで誤情報防止に役立てるとしています。新技術の利便性とリスク対応の両立が今後の焦点となりそうです。