AIツール2026年10月更新

Gemini 3.5 Live Translateとは？70言語リアルタイム音声翻訳の仕組み・料金・使い方・Meet対応・他AI比較を整理【2026年10月】

Q: APIの正式版（GA）はいつですか？

2026年10月時点で、APIのモデルは -preview のままで、正式版の時期や料金改定は発表されていません。本番に使う場合は、仕様変更の可能性を前提に組み込みましょう。

公開日: 2026/06/23

更新日: 2026/10/26

Gemini 3.5 Live Translateとは？70言語リアルタイム音声翻訳の仕組み・料金・使い方・Meet対応・他AI比較を整理【2026年10月】

この記事のポイント

Gemini 3.5 Live Translateは、Googleが2026年6月に発表したリアルタイム音声翻訳専用のAIモデルです。Google Meetでの63言語の一般展開（2026年10月22日〜）、対象プランと時間上限、API料金（約$0.0368/分）、OpenAI・DeepL・Teams・Galaxy・Appleとの違いを公式情報をもとに整理します。

Gemini 3.5 Live Translateとは、Googleが2026年6月9日に発表した、話している最中から相手の言語へ音声で訳し続けるリアルタイム翻訳専用のAIモデルです。Google翻訳アプリ・Gemini API・Google Cloudに続き、Google Meetでも2026年10月22日から一般展開が始まり、会議では63言語を自動検出して訳せるようになりました。

Google公式ブログ、Gemini APIのドキュメント、DeepMindのモデルカード、Google Workspaceの公式発表をもとに、提供経路ごとにできること、Meetの対象プランと時間上限、API料金、公式が認める弱点、OpenAI・DeepL・Microsoft Teams・Samsung・Appleのリアルタイム翻訳との違いをまとめました。

海外の取引先や多国籍チームとの会議で翻訳を使いたい人、Google Workspaceの管理者、翻訳機能を自社アプリに組み込みたい開発者、旅行などでスマホの通訳を使いたい個人に向けた記事です。APIはまだプレビュー版のため、仕様や料金は今後変わる可能性があります。

出典: Google公式ブログ

Gemini 3.5 Live Translateとは：音声翻訳だけに特化したGoogleのモデル

Gemini 3.5 Live Translateは、音声を受け取り、翻訳した音声を返すことだけに特化した低遅延のモデルです。公式は「low-latency, audio-to-audio model」と説明しており、モデルIDは gemini-3.5-live-translate-preview です。DeepMindのモデルカードによると、ベースは Gemini 3 Pro です。

主な特徴は次のとおりです。

70以上の言語を自動で検出する（「何語から何語へ」を手で設定しなくてよい。複数の言語が混ざった会話にも対応）
話し手の抑揚・ペース・声の高さを残した翻訳音声を出す
話し終わりを待たず、話し手から数秒遅れで訳し続ける
生成した音声すべてに SynthID の電子透かしが入る

2026年8月26日に公開されたモデルカードでは、文字起こし用の Gemini 3.5 Transcribe / Transcribe Live とあわせて「Gemini 3.5 Audio」というファミリーにまとめられています。チャットや音声アシスタントを作るためのモデルではない点に注意してください。会話AIを作るなら汎用のGemini 3.8 Live、議事録ならGemini 3.5 Transcribeと役割が分かれています。Gemini全体の位置づけはGeminiとは、生成AIの基本は生成AIとはで整理しています。

従来の音声翻訳との違い：ターンバイターンからストリーミングへ

いちばん大きな違いは、話し終わるのを待たずに訳し始めることです。

これまでの音声翻訳の多くは、話し手が一区切り話し終えてから翻訳を始める「ターンバイターン方式」でした。発言ごとに数秒の沈黙が挟まり、会話のテンポが崩れやすいのが難点です。

Gemini 3.5 Live Translateは、話の途中でも翻訳を生成し続ける「ストリーミング方式」です。Googleは、文脈がそろうまで待てば精度は上がるが会話は遅れる、すぐ訳せば速いが誤りやすい、という両者のバランスを取った設計だと説明しています。

比較ポイント	従来（ターンバイターン方式）	Gemini 3.5 Live Translate（ストリーミング方式）
翻訳を始めるタイミング	話し終わってから	話している途中から
会話の間	発言ごとに沈黙ができやすい	数秒遅れで追いかけるため間が短い
声の表現	機械的で均一になりがち	話し手の抑揚・ペースを残す
言語の指定	手で設定することが多い	自動検出（混在した会話にも対応）
騒がしい場所	影響を受けやすい	比較的強いが、背景音を拾うこともある

できること：4つの提供経路で何が使えるのか

2026年10月時点で、Gemini 3.5 Live TranslateはGoogle翻訳アプリ、Google Meet、Gemini API（Google AI Studio）、Google Cloudの4つの経路で使えます。6月の発表時は3経路でしたが、8月にGoogle Cloudでの提供が加わり、Meetは10月22日に一般展開へ進みました。

出典: Google公式ブログ

経路	主な対象	提供状況（2026年10月時点）	できること
Google翻訳アプリ（Android / iOS）	個人	6月9日からグローバル展開。追加料金なし	ヘッドホンをつけて「ライブ翻訳」。Androidは端末を耳に当てて聞くリスニングモードを順次展開
Google Meet	法人・個人の有料プラン	10月22日から一般展開	63言語を自動検出し、1つの会議で任意の組み合わせを翻訳
Gemini API / Google AI Studio	開発者	パブリックプレビュー（無料枠あり）	自社アプリやサービスへの組み込み
Google Cloud（Gemini Enterprise Agent Platform）	法人の開発チーム	プレビュー（8月リリース）	globalリージョンで従量課金のみ

1. 個人向け：Google翻訳アプリ（日本でも利用可）

ヘッドホンをつないでGoogle翻訳アプリの「ライブ翻訳」をタップすると、相手の声の調子や強調を残した翻訳音声が流れます。誰が話しているかを聞き分けやすいのが利点です。

日本では、2026年3月27日にAndroid / iOS版でヘッドホンによるライブ翻訳の提供が始まったとGoogle日本公式ブログが告知しています。6月9日以降は、この機能のモデルが3.5 Live Translateに置き換わる形でグローバル展開されました。ただし、日本のアプリで3.5に切り替わった日付と、Androidのリスニングモードが日本で使えるかは、公式には明記されていません。

2. 開発者向け：Gemini Live API（パブリックプレビュー）

開発者はGemini Live APIとGoogle AI Studioで、モデル gemini-3.5-live-translate-preview を使えます。音声を送ると、翻訳音声と文字起こしテキストが返ってきます。Googleは連携できる開発基盤として、Agora、Fishjam、LiveKit、Pipecat、Vision Agents を挙げています。

事例として、東南アジアの配車サービスGrabが、ドライバーと乗客の会話でテストしていると公式ブログで紹介されています（Grabの音声通話は月1,000万件超）。

3. 法人向け：Google Meet（2026年10月22日から一般展開）

Meetの音声翻訳は、2026年1月の一般提供時点では英語とスペイン語・フランス語・ドイツ語・ポルトガル語・イタリア語の5言語、1会議につき1組の言語ペアだけでした。10月22日からは3.5 Live Translateに切り替わり、次のように変わっています。

63言語に対応し、1つの会議の中でどの組み合わせでも訳せる
話している言語を自動で検出する
参加者がそれぞれツールバーからオンにする。字幕も翻訳音声と同じ内容になる
Web・Android・iOSで使える。Meet専用の会議室ハードウェアは翻訳音声を聞けるが、会議室側の発話は訳さない
自分の発話をほかの参加者向けに訳すかどうかは、本人がMeetの設定で選べる

モデル自体は70以上の言語に対応していますが、Meetで使えるのは63言語です。6月の発表時に案内されていた「70言語以上・2,000以上の言語ペア」は、現在のMeetの仕様とは異なります。63言語の一覧はGoogleの発表文に載っておらず、日本語がMeetの63言語に含まれるかは公式ヘルプでの確認が必要です（APIの対応言語には日本語が含まれます）。

展開は段階的で、Rapid Releaseのドメインでは10月22日から1〜3日で表示され、Scheduled Releaseのドメインでは11月2日から最大15日かけて表示されます。

4. 法人の開発向け：Google Cloud（プレビュー）

2026年8月から、Google CloudのGemini Enterprise Agent Platform（旧Vertex AI）でもプレビュー提供が始まりました。使えるのはglobalリージョンのみで、Standard PayGo（従量課金）だけです。Provisioned Throughputやバッチは使えません。日本リージョンを指定できるという記載はないため、データの保管場所に社内ルールがある企業は事前に確認しておきましょう。

強み：他のリアルタイム翻訳と何が違うのか

強みは、出力側も70以上の言語に対応していることと、個人のアプリから企業の会議、開発者のAPIまで同じモデルを使えることの2点です。

出力言語が多い：OpenAIのGPT-Realtime-Translateは出力が13言語ですが、Gemini 3.5 Live Translateは入力・出力とも70以上。マイナー言語どうしの通訳にも使いやすい
声の調子が残る：訳した音声にも話し手の抑揚やペースが残るので、会議で誰の発言かが追いやすい。声の表現を重視する点はElevenLabs v3などの音声合成とも共通する方向性です
Meetで追加料金がかからない：対象プランに含まれており、主催者が対象プランなら社外のゲストも使える
APIに無料枠がある：無料枠で品質を確かめてから、有料に移行できる
生成音声の識別：すべての翻訳音声にSynthIDの電子透かしが入る
Meetの音声を保存・学習に使わない：Googleは、Meetの翻訳で音声データを保存せず、モデルの学習にも使わないと明記している

弱み・できないこと：公式が認める制約

Gemini 3.5 Audio（Live Translate・Transcribe）のモデルカード

出典: Google DeepMind モデルカード

精度の数値は公開されておらず、APIは翻訳以外の処理もできません。「便利な通訳」であって、誤訳が許されない場面の代わりにはならないと考えておくのが安全です。

モデルカードとAPIガイドが認めている弱点は次のとおりです。

声の再現が不安定になることがある（長い沈黙のあとに声が変わる、話し手の性別を取り違える）
強い訛り、スペイン語とポルトガル語のような似た言語、言語の素早い切り替えで、言語の検出を誤ることがある
背景音や音楽を拾ってしまうことがある
echoTargetLanguage を true にすると、背景音でノイズが混ざることがある
知識のカットオフは2025年1月
精度のベンチマークや他社との性能比較は、Googleから公表されていない（6月時点で業界メディアSlatorが指摘し、10月時点でも公式の数値は見当たらない）

APIでできないことも多く、テキスト入力、関数呼び出し、Google検索やマップによるグラウンディング、構造化出力、思考（thinking）、コード実行、キャッシュ、システム指示などは使えません。翻訳以外の受け答えをする音声エージェントを作りたい場合は、Gemini 3.8 Liveを選ぶことになります。

Meetでは次の場面で使えません。

ライブ配信・録画
クライアントサイド暗号化（CSE）を使った会議
電話からの参加、他社の会議システムとの相互接続
アダプティブオーディオを使っているとき
地域や年齢による制限がかかる場合

安全性については、モデルカードで社内の安全チームとの開発、人による評価、レッドチーミングを実施したと説明しています。Gemini 3.1 ProとGemini 3.7 Flashの評価で重大なリスク水準（Critical Capability Level）に達しておらず、この音声モデルはそれらと比べて新たな危険な能力を持たないため、到達する可能性は低いとしています。

料金：開発者向けAPIの分単価と無料ティア

Google翻訳アプリは追加料金なし、Meetは対象プランに含まれ、料金が発生するのはAPIとGoogle Cloudだけです。APIは入力と出力を合わせて1分あたり約$0.0368が目安です。

出典: Google公式ブログ

Gemini APIの料金（Standard）

Gemini API公式料金ページの価格です（2026年10月26日時点）。音声は1秒＝25トークンで計算します。

区分	無料枠	有料（100万トークンあたり）	1分あたりの目安
入力（音声）	無料	$3.50	約$0.0053
出力（音声）	無料	$21.00	約$0.0315
合計	—	—	約$0.0368

たとえば60分の会議を1つの言語へ訳し続けると、約$2.2になります。訳す先の言語を増やすと、その分だけ出力が増える点に注意してください。

同じ料金ページで、汎用のGemini 3.8 Liveなどは入力$3.00・出力$12.00（100万トークンあたり）です。Live系のモデルの中で、Live Translateは出力の単価がいちばん高く設定されています。Batch API・Flex・Priority推論には対応していません。

Google Cloud経由の場合は従量課金のみで、単価はGoogle Cloudの料金ページで確認が必要です。

Google Meetの対象プランと時間上限

Meetの音声翻訳は、対象プランに含まれる機能です。

プラン	1会議あたりの上限
Business Standard / Business Plus	90分
Enterprise Standard / Enterprise Plus	90分
Frontline Plus	90分
Google AI Pro（個人）／ Google AI Pro for Education	90分
Google AI Ultra（個人）	8時間
AI Expanded Access / AI Ultra Access アドオン	8時間

Business Starter は対象外です
主催者が対象プランなら、ほかのドメインのゲストを含む全参加者が使えます
1対1の通話は、どちらか一方が対象プランなら両方が使えます

個人のGoogle AIプランについてはGoogle AI Plusの解説も参考になります（Meetの翻訳の対象はAI Pro / Ultraです）。

このツールを自社のシステムや業務にどう組み込むか、ご提案します

初回相談は無料・30分（オンライン）。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜（税別）

開発について相談する開発の資料を受け取る

使い方：翻訳アプリ・Meet・APIの始め方

出典: Google翻訳公式サイト

使い始める手順は、立場によって異なります。個人は翻訳アプリ、Workspaceを使う企業はMeet、開発者はAPIから始めるのが近道です。

翻訳アプリで使う

Google翻訳アプリを最新版にする
ヘッドホンをつなぐ
「ライブ翻訳」をタップし、相手の話す言葉を聞く

Google Meetで使う（参加者・管理者）

参加者は、会議中にツールバーから音声翻訳をオンにします。会議ごとに初期状態はオフです。

管理者側では、「Gemini for Meet」の設定が有効な対象エディションなら、初期状態でオンになっています。管理コンソールの「アプリ > Google Workspace > Google Meet > Gemini の設定」から、組織部門やグループごとにオン・オフを切り替えられます。機密性の高い部署だけ止めるといった運用ができます。

Gemini APIで使う

公式ガイドから、実装時に押さえる点をまとめます。

訳す先の言語：generationConfig.translationConfig の targetLanguageCode にBCP-47の言語コードを入れる（初期値は en。日本語なら ja）
すでに訳先の言語で話されたとき：echoTargetLanguage で、そのまま読み上げるか黙るかを選ぶ（初期値は false＝黙る）
音声の形式：入力は16bit PCM・16kHz・モノラル・リトルエンディアン（audio/pcm;rate=16000、100msごとに送る）。出力は16bit PCM・24kHz・モノラル
文字起こし：inputAudioTranscription / outputAudioTranscription で、元の発話と訳文のテキストも受け取れる
トークン上限：入力131,072、出力65,536
キーを守る：ブラウザなどから直接つなぐ場合は、v1betaのエフェメラルトークンを使ってAPIキーを隠す。初期設定では translationConfig をサーバー側でトークンに固定する。利用者に言語を選ばせたいときは、translationConfig を省いて "lock_additional_fields": [] を指定する

セッションの最大時間や同時接続数は、ガイドに記載がありません。接客アプリや問い合わせ窓口のように長時間・多数の通話を扱うなら、プレビュー期間中に負荷を試しておきましょう。翻訳を自社の業務システムや顧客向けアプリに組み込むときの進め方と費用の目安は、AI開発の費用相場で改修・PoC・本開発に分けて整理しています。

同じリアルタイム音声APIであるOpenAIの仕様はGPT-Realtime-2の解説で確認できます。

他のAIリアルタイム翻訳との比較

出典: Samsung Newsroom Japan

言語数とアプリ・会議・APIの広さではGemini、APIの分単価ではOpenAIがわずかに安く、端末内で処理したいならApple・Samsungという分かれ方です。各社とも方式が違うので、言語数だけで比べないことが大切です。

サービス	提供元	対応言語	方式・特徴	料金・利用条件
Gemini 3.5 Live Translate	Google	入力・出力とも70以上（Meetは63）	音声のまま話しながら訳す。声の調子を残す。SynthID	アプリは無料／APIは約$0.0368/分（無料枠あり）／Meetは対象プランに含む
GPT-Realtime-Translate	OpenAI	入力70以上、出力13	Realtime API（WebRTC / WebSocket / SIP）	$0.034/分。APIの無料ティアでは使えない
DeepL Voice（Voice-to-Voice）	DeepL	30以上（2026年9月の一般提供時）	聞き取り→文字化→翻訳→読み上げの順で処理。1〜2文ほど遅れる。Teams・Zoom・Google Meetで使える	法人向け。料金は要問い合わせ
Microsoft Teams Interpreter	Microsoft	最大9言語	本人の同意を得て声を似せる機能あり。Teamsの会議・通話・Teams Roomsへ拡大中	Microsoft 365 Copilotのライセンスが必要
Galaxy AI（通訳・ライブ翻訳）	Samsung	24言語（2026年10月14日に拡充）	電話や対面の通訳。端末上で処理する機能もある	対応するGalaxy端末。国・機種で異なる
Apple ライブ翻訳	Apple	日本語を含む9言語（報道ベース）	AirPodsとiPhone（Apple Intelligence対応機種）で使う。端末上で処理	対応端末があれば追加料金なし

数字の注記：OpenAIの出力13言語に日本語が含まれるかは、一覧を確認できていません。DeepL Voiceは4月の発表時に「40以上」、9月の一般提供時に「30以上」と案内されており、記事では小さいほうを載せています。Galaxy AIの24言語とAppleの9言語の詳細は、各社の日本向けページで確認してください。

選ぶときの目安は次のとおりです。

多言語の会議をそのまま訳したい：Google Workspaceを使っているならMeet。Teamsが中心ならTeams Interpreter（ただし9言語まで）。会議ツールが社内で混在しているならDeepL Voice
自社アプリに組み込みたい：出力言語の多さと無料枠ならGemini、分単価ならOpenAI。日本語を含む訳先の言語が必要か、先に確認する
旅行や対面の会話：Androidやヘッドホン利用ならGoogle翻訳アプリ。iPhoneとAirPods、Galaxyを持っているなら端末の標準機能でも足りる
文書の翻訳：音声専用のLive Translateは不向き。テキスト翻訳はSakana AIの翻訳やDeepLなどを使う

Googleの音声モデルの使い分け

やりたいこと	選ぶモデル
音声を別の言語の音声に訳す	Gemini 3.5 Live Translate
音声で会話するAIや音声エージェントを作る	Gemini 3.8 Live
会議を文字起こしして議事録にする	Gemini 3.5 Transcribe

Gemini全体の比較はChatGPTとGeminiの比較やClaudeとGeminiの比較で詳しく扱っています。

こんな人・組織におすすめ

Google Workspace（Business Standard以上）で海外との会議が多い企業：追加料金なしでMeetの翻訳を使える。社外のゲストも使える
個人でGoogle AI Pro / Ultraを契約している人：個人のアカウントでもMeetの翻訳が使える
多言語の接客・問い合わせアプリを作りたい開発者：出力言語が多く、無料枠で品質を試せる。業界での使われ方は翻訳業界のAI活用も参考になる
旅行や現地での会話にスマホを使いたい人：Google翻訳アプリとヘッドホンだけで、声の調子を残した翻訳を聞ける

よくある質問（FAQ）

Q. Gemini 3.5 Live Translateは無料で使えますか？

A. Google翻訳アプリでは追加料金なしで使えます。Meetは対象プランに含まれる機能で、Business Starterや無料のGoogleアカウントは対象外です。APIにはレート制限つきの無料枠があります。

Q. Meetで日本語の会議を訳せますか？

A. Meetが対応する63言語の一覧は、2026年10月の発表文には載っていません。モデル自体とAPIは日本語に対応していますが、Meetで日本語が使えるかと、日本で提供されているかは、Google Meetのヘルプセンターで確認してください。

Q. Meetで翻訳を使うと、会議の音声がGoogleに保存されますか？

A. Googleは、Meetの音声翻訳で音声データを保存せず、モデルの学習にも使わないと公式に説明しています。自分の発話を他の人向けに訳させるかどうかも、本人が選べます。

Q. 社外のゲストも翻訳を使えますか？

A. 主催者が対象プランであれば、他のドメインの参加者も使えます。1対1の通話では、どちらか一方が対象プランなら両方が使えます。

Q. iPhoneでも使えますか？

A. Google翻訳アプリのライブ翻訳はiOS版でも使えます。Meetの音声翻訳もiOSに対応しています。ヘッドホンなしで聞けるリスニングモードは、公式の案内ではAndroid向けの機能です。

Q. 翻訳された音声がAIのものだと見分けられますか？

A. 生成された音声にはすべてSynthIDの電子透かしが埋め込まれており、Googleの検出ツールでAI生成の音声と判別できる仕組みです。

Q. APIの正式版（GA）はいつですか？

A. 2026年10月時点で、APIのモデルは -preview のままで、正式版の時期や料金改定は発表されていません。本番に使う場合は、仕様変更の可能性を前提に組み込みましょう。

まとめ

Gemini 3.5 Live Translateは、話の途中から声の調子を残したまま、70以上の言語へ訳し続けるリアルタイム音声翻訳専用のモデルです。

個人：Google翻訳アプリで追加料金なし。日本でもヘッドホンでのライブ翻訳が使える
企業：Meetで2026年10月22日から一般展開。63言語・自動検出。Business Standard以上などが対象で、1会議90分（上位のアドオンで8時間）まで
開発者：APIはプレビューで約$0.0368/分、無料枠あり。翻訳以外の処理はできない

精度の数値は公表されておらず、声の再現や言語検出には弱点も残っています。まずアプリやAPIの無料枠で、自分の使う言語の組み合わせを試してから判断するのが確実です。会議の記録まで自動化したい場合は、議事録の自動化もあわせて検討してみてください。