MOUNTAIN VIEW — Raksasa teknologi Google secara resmi memperkenalkan Gemini 3.5 Live Translate, sebuah model audio mutakhir yang dirancang untuk melakukan penerjemahan suara-ke-suara (speech-to-speech) hampir seketika untuk lebih dari 70 bahasa pada Selasa, 9 Juni 2026. Inovasi ini menandai lompatan besar dalam ambisi Google untuk menghapus batasan bahasa secara global, memungkinkan komunikasi yang mengalir secara alami layaknya percakapan manusia tanpa jeda teknis yang kaku.
Menghidupkan Sihir Koneksi Manusia Melalui Audio
Dua dekade lalu, layanan terjemahan Google dimulai sebagai eksperimen pembelajaran mesin sederhana. Kini, eksperimen tersebut telah bertransformasi menjadi tulang punggung komunikasi global dengan triliunan kata diterjemahkan setiap bulannya. Gemini 3.5 Live Translate hadir sebagai tahap evolusi berikutnya, di mana teknologi tidak lagi sekadar menerjemahkan teks, melainkan menangkap esensi suara pembicaranya.
Model audio terbaru ini memiliki kemampuan unik untuk mendeteksi lebih dari 70 bahasa secara otomatis. Hebatnya, suara terjemahan yang dihasilkan tetap mempertahankan intonasi, kecepatan bicara (pacing), hingga tinggi rendahnya nada (pitch) asli dari si pembicara. Berbeda dengan sistem terjemahan konvensional yang mengharuskan pembicara berhenti sejenak agar mesin bisa memproses kata, Gemini 3.5 mampu bekerja secara kontinu.
"Sistem ini menyeimbangkan pertukaran antara menunggu konteks demi kualitas yang lebih baik dan menerjemahkan secara instan agar tetap sinkron dengan pembicara. Hasilnya adalah audio yang lancar tanpa jeda canggung, hanya tertinggal beberapa detik di belakang pembicara asli," tulis tim pengembang Google dalam rilis resminya.
Ekosistem Distribusi: Dari Google Meet hingga Aplikasi Seluler
Google tidak membuang waktu untuk mengintegrasikan model canggih ini ke dalam berbagai platform utama mereka. Gemini 3.5 Live Translate kini mulai digulirkan melalui beberapa jalur distribusi strategis:
- Pengembang: Tersedia dalam versi pratinjau publik melalui Gemini Live API dan Google AI Studio.
- Perusahaan (Enterprise): Mulai bulan ini, pelanggan Google Meet akan mendapatkan akses pratinjau pribadi untuk meningkatkan kualitas pertemuan lintas negara.
- Pengguna Umum: Dapat dinikmati melalui aplikasi Google Translate baik di perangkat Android maupun iOS.
Bagi para pengembang, model ini menawarkan ketangguhan terhadap kebisingan (noise robustness), memastikan aplikasi terjemahan tetap akurat meski digunakan di lingkungan yang riuh atau tidak terduga. Hal ini membuka peluang besar untuk interpretasi langsung pada panggilan telepon multibahasa, sesi pembelajaran internasional, hingga siaran langsung global.
Visualisasi Gelombang Suara Real-Time Gemini 3.5
Implementasi Nyata: Grab dan Masa Depan Transportasi
Salah satu mitra utama dalam pengujian ini adalah Grab. Perusahaan layanan transportasi raksasa ini tengah menguji model Gemini untuk memfasilitasi komunikasi multibahasa secara real-time antara mitra pengemudi dan wisatawan saat penjemputan. Mengingat ada lebih dari 10 juta panggilan suara setiap bulannya di platform Grab, teknologi ini diharapkan mampu mengeliminasi hambatan bahasa bagi para pelancong mancanegara.
"Selama pengujian Gemini 3.5 Live Translate, kami sangat menghargai kemampuannya dalam mendeteksi berbagai bahasa secara otomatis dan menerjemahkan ucapan secara akurat dengan latensi yang sangat rendah," ujar Philipp Kandal, Chief Product Officer di Grab.
Sentimen serupa datang dari Bella Baek, Chief AI Officer di CJ ENM, yang menyatakan bahwa pengujian awal menunjukkan hasil yang sangat menjanjikan dalam memberikan pengalaman menonton yang lebih autentik bagi penonton global dan Korea melalui dubbing instan yang akurat.
Keamanan dan Kepercayaan: Watermarking SynthID
Menyadari risiko penyalahgunaan kecerdasan buatan, Google memastikan bahwa setiap audio yang dihasilkan oleh model mereka telah dilengkapi dengan watermark SynthID. Watermark ini tidak terdengar oleh telinga manusia, namun terjalin erat di dalam output audio, sehingga konten buatan AI tetap dapat dideteksi secara teknis untuk mencegah penyebaran informasi palsu atau hoaks.
Langkah ini merupakan bagian dari komitmen Google DeepMind terhadap keamanan dan tanggung jawab dalam pengembangan model AI generatif yang semakin menyerupai kemampuan manusia.
Glossary Teknis Gemini 3.5
- Real-Time: Pemrosesan data yang terjadi secara instan tanpa penundaan yang signifikan.
- Latensi: Jeda waktu antara input data (suara asli) hingga hasil output (terjemahan) muncul.
- Speech-to-Speech: Proses menerjemahkan langsung dari format suara ke format suara dalam bahasa lain.
- SynthID: Teknologi watermark dari Google DeepMind untuk menandai konten yang dihasilkan oleh AI.
- API (Application Programming Interface): Jembatan perangkat lunak yang memungkinkan satu aplikasi menggunakan fitur dari aplikasi lain (dalam hal ini, kecerdasan Gemini).
Baca juga artikel menarik lainnya di situs kami.