همه چیز درباره ترجمه زنده با هوش مصنوعی جمنای در Gemini 3.5 گوگل

آرمان نیکزاد

16 ژوئن 2026

گوگل در ۱۹ خرداد ۱۴۰۵ (۹ ژوئن ۲۰۲۶) مدل Gemini 3.5 Live Translate Preview را معرفی کرد – یک سیستم ترجمه همزمان گفتار به گفتار که از بیش از ۷۰ زبان از جمله فارسی پشتیبانی می‌کند. حالت ضبط میکروفون این مدل به‌خوبی کار می‌کند، اصطلاحات عامیانه فارسی را می‌فهمد، و متون تخصصی را با دقت بالا ترجمه می‌کند. اما حالت Screen Share هنوز در نسخه Preview با باگ‌هایی مثل تاخیر و تغییر ناگهانی زبان مبدا به ژاپنی مواجه است. اگر دنبال ترجمه همزمان فارسی هستید، این مدل یک قدم جدی رو به جلوست – با کمی صبر برای بلوغ بیشتر.

معرفی Gemini 3.5 Live Translate: انقلابی در ترجمه همزمان

گوگل در ۹ ژوئن ۲۰۲۶ از Gemini 3.5 Live Translate Preview رونمایی کرد – مدلی که وعده می‌دهد مرزهای زبانی را به شکلی که قبلاً در علمی‌تخیلی می‌دیدیم، از بین ببرد.

این مدل زیرمجموعه سری Gemini 3.5 گوگل است و بر خلاف ابزارهای ترجمه متنی رایج، گفتار را به گفتار ترجمه می‌کند. یعنی شما فارسی صحبت می‌کنید، مدل در کسری از ثانیه صدای انگلیسی برمی‌گرداند.

ما این مدل را از روز اول در Google AI Studio تست کردیم – بدون اینکه از قبل آماده‌سازی داشته باشیم. نتایج جالب بود، و صادقانه می‌گوییم هم خوشحال و هم کمی سرخورده شدیم. بیایید از اول شروع کنیم.

چطور باید از Gemini 3.5 Live Translate استفاده کرد؟

مراحل شروع کار

استفاده از این مدل ساده‌تر از چیزی است که فکر می‌کردیم:

اول: به Google AI Studio بروید.

دوم: از پنل راست، روی کارت مدل کلیک کنید. به بخش Audio بروید (نه All یا Features). در این لیست باید «Gemini 3.5 Live Translate Preview» را ببینید.

سوم: زبان هدف را از بخش Target Language تنظیم کنید. مثلاً اگر می‌خواهید فارسی را به انگلیسی ترجمه کنید، «English» را انتخاب کنید.

چهارم: دکمه Start Recording را بزنید و شروع به صحبت کنید.

یک تنظیم دیگر هم وجود دارد که کمی گیج‌کننده است: Echo Target Language. وقتی این گزینه روشن است، اگر خودتان به زبان هدف صحبت کنید (مثلاً انگلیسی بگویید در حالی که Target Language روی English است)، مدل صدای شما را تکرار می‌کند. در تست ما، تفاوت چندانی بین حالت روشن و خاموش احساس نکردیم.

تست اول: ترجمه فارسی به انگلیسی با میکروفون

این جایی است که مدل واقعاً می‌درخشد.

در اولین تست، شروع به صحبت کردیم – جملات عادی، اصطلاحات عامیانه، و حتی یک متن تخصصی درباره عکاسی. نتایج؟

اصطلاحات عامیانه: مدل «تو چاله افتادن» را به عنوان «being a fool» ترجمه کرد – نه ترجمه کلمه به کلمه، بلکه معنای واقعی آن را گرفت.
متون تخصصی: یک متن فارسی درباره سیستم Zone عکاسی آنسل آدامز را با دقت قابل توجهی ترجمه کرد.
تغییر لحن: جالب این بود که وقتی با لحن‌های مختلف صحبت می‌کردیم، مدل حتی صدای مترجم را عوض می‌کرد – انگار متوجه می‌شود که چند گوینده مختلف دارند صحبت می‌کنند.

این یعنی مدل نه‌فقط کلمات را ترجمه می‌کند، بلکه مفهوم را هم می‌فهمد. برای زبان فارسی که پر از ضرب‌المثل و کنایه است، این بسیار مهم است.

پشتیبانی از ۷۰+ زبان

یکی از ویژگی‌های اصلی این مدل پشتیبانی از بیش از ۷۰ زبان است.

فارسی یکی از زبان‌های پشتیبانی‌شده است – که برای کاربران فارسی‌زبان خبر خوبی است. گوگل می‌گوید این مدل می‌تواند خودکار زبان ورودی را تشخیص دهد بدون اینکه نیاز باشد آن را دستی تنظیم کنید.

مدل علاوه بر Google AI Studio، به زودی در اپلیکیشن Google Translate برای اندروید و iOS هم در دسترس خواهد بود. گوگل همچنین اعلام کرده که Google Meet هم از این قابلیت برای ترجمه همزمان جلسات بهره‌مند می‌شود.

تست دوم: ترجمه زنده ویدیو با Screen Share

اینجاست که چیزها کمی پیچیده می‌شوند.

ایده جذاب است: صفحه خود را به اشتراک بگذارید، یک ویدیوی یوتیوب پخش کنید، و مدل آن را زنده ترجمه میکند. ما این ایده را با چند سناریو تست کردیم:

تست ترجمه ویدیوی گیمینگ (انگلیسی به فارسی): مدل شروع به ترجمه کرد، اما با تاخیر قابل توجهی – احتمالاً به خاطر سرعت اینترنت یا VPN. ترجمه‌ها گاهی کامل بود و گاهی قطع می‌شد.

باگ عجیب: در یک تست، زبان مقصد را روی English گذاشتیم اما مدل شروع کرد به ترجمه از ژاپنی! هرچه تنظیمات را عوض کردیم، همچنان زبان فارسی مبدا را ژاپنی برمی‌گرداند. Refresh صفحه هم چندان کمک نکرد.

تست پادکست: یک فایل صوتی فارسی را از طریق Chrome پخش کردیم تا Screen Share کنیم. این هم همان مشکل تغییر زبان به ژاپنی را داشت.

مقایسه: میکروفون در برابر Screen Share

قابلیت	حالت میکروفون	حالت Screen Share
دقت ترجمه فارسی	عالی	متوسط
تاخیر	کم	زیاد
پایداری	بالا	پایین (باگ‌های متعدد)
ترجمه اصطلاحات	بله	ناپایدار
تغییر زبان ناخواسته	ندیدیم	مشکل ژاپنی دیدیم
توصیه ما	✓ استفاده کنید	منتظر آپدیت باشید

مقایسه حالت میکروفون و Screen Share در Gemini 3.5

نقاط قوت و ضعف

نقاط قوت

فهمیدن اصطلاحات عامیانه فارسی
دقت بالا در ترجمه متون تخصصی
تشخیص تغییر لحن و گوینده
دسترسی رایگان در Google AI Studio
پشتیبانی از بیش از ۷۰ زبان

نقاط ضعف

باگ تغییر زبان به ژاپنی در Screen Share
تاخیر در ترجمه محتوای ویدیویی
هنوز در نسخه Preview است
بدون System Prompt (نمی‌توان رفتار مدل را سفارشی کرد)
وابستگی به کیفیت اینترنت و VPN

برای مطالعه بیشتر درباره ابزارهای ترجمه هوش مصنوعی یا آشنایی با سایر مدل‌های Gemini، بخش ابزارهای TechZehn را ببینید.

تفاوت با سایر مدل‌های Gemini 3.5

گوگل در همین بازه زمانی چند مدل Gemini 3.5 دیگر هم معرفی کرده:

Gemini 3.5 Flash: مدل عمومی که قبلاً بررسی کردیم – برای کارهای متنی و چندوجهی
Gemini 3.5 Flash TTS Preview: تبدیل متن به گفتار – مفید برای تولید محتوای صوتی
Gemini 3.5 Live Translate Preview: ترجمه همزمان گفتار – موضوع این مقاله

هر کدام برای یک کاربرد خاص طراحی شده‌اند. اگر به ابزارهای هوش مصنوعی برای تولید محتوا علاقه دارید، مدل TTS برای افراد فیس‌لس‌کار گزینه جالبی است.

کدام ابزارهای دیگر این کار را می‌کنند؟

Gemini 3.5 Live Translate اولین ابزار ترجمه همزمان نیست، اما چند تفاوت جدی دارد:

EarPods + DeepL: ابزارهای ترجمه جداگانه که نیاز به جریان دستی دارند
Microsoft Translator: پشتیبانی آنلاین اما نه ترجمه گفتار به گفتار در لحظه
Gemini Live Translate: یکپارچه، مستقیم، و رایگان در حال حاضر

مزیت اصلی Gemini این است که در اکوسیستم گوگل قرار دارد – یعنی به زودی در Google Meet، Google Translate و دیگر محصولات گوگل هم می‌بینیم.

جمع‌بندی و نظر نهایی

Gemini 3.5 Live Translate در حالت ضبط میکروفون واقعاً تحت تاثیر قرار داد – دقت ترجمه فارسی، فهمیدن کنایه و اصطلاح، و سرعت پاسخ قابل تقدیر است.

اما حالت Screen Share هنوز راهی طولانی در پیش دارد. باگ تغییر زبان به ژاپنی، تاخیر در ترجمه، و ناپایداری کلی این بخش نشان می‌دهد که مدل هنوز در مرحله Preview است به معنای واقعی کلمه.

توصیه ما: همین الان آن را برای ترجمه همزمان میکروفون امتحان کنید. برای ترجمه ویدیو صبور باشید.

TechZehn: ابزارهای هوش مصنوعی فارسی‌زبان

در TechZehn سعی می‌کنیم جدیدترین ابزارهای هوش مصنوعی را برای کاربران فارسی‌زبان معرفی و بررسی کنیم – از مدل‌های زبانی گرفته تا ابزارهای تولید محتوا.

اگر می‌خواهید اولین نفری باشید که از ابزارهای جدید مطلع می‌شوید، بخش اخبار هوش مصنوعی را دنبال کنید. برای یادگیری بیشتر درباره نحوه استفاده از Google AI Studio، آموزش‌های TechZehn را ببینید.

سوالات متداول

Gemini 3.5 Live Translate چیست و چگونه کار می‌کند؟

Gemini 3.5 Live Translate یک مدل هوش مصنوعی جدید از گوگل است که ترجمه همزمان گفتار به گفتار را انجام می‌دهد. شما با میکروفون صحبت می‌کنید و مدل در لحظه صدای شما را به زبان هدف ترجمه می‌کند. این مدل در Google AI Studio در دسترس است.

آیا Gemini 3.5 Live Translate از زبان فارسی پشتیبانی می‌کند؟

بله، Gemini 3.5 Live Translate از زبان فارسی به همراه بیش از ۷۰ زبان دیگر پشتیبانی می‌کند. این مدل حتی اصطلاحات عامیانه و متون تخصصی فارسی را نیز با دقت بالایی ترجمه می‌کند.

چطور می‌توانم Gemini 3.5 Live Translate را امتحان کنم؟

برای استفاده از این مدل، به Google AI Studio بروید، در بخش Audio مدل‌ها «Gemini 3.5 Live Translate Preview» را انتخاب کنید، زبان هدف را تنظیم کنید، و دکمه ضبط را فشار دهید. راهنمای کامل استفاده از بخش آموزش‌های TechZehn را ببینید.

آیا Gemini Live Translate برای ترجمه ویدیوهای یوتیوب هم کار می‌کند؟

این مدل قابلیت Screen Share دارد که می‌توانید صفحه‌نمایش خود را با آن به اشتراک بگذارید. اما در نسخه فعلی (Preview)، این حالت با باگ‌هایی مانند تاخیر و تغییر ناگهانی زبان مواجه است. برای ترجمه ویدیو در حال حاضر حالت ضبط میکروفون پایدارتر است.

Gemini 3.5 Live Translate رایگان است؟

در حال حاضر این مدل در Google AI Studio به صورت Preview و رایگان در دسترس است. گوگل همچنین اعلام کرده که این قابلیت به زودی در اپلیکیشن Google Translate برای اندروید و iOS نیز اضافه خواهد شد. برای اطلاعات بیشتر درباره ابزارهای رایگان هوش مصنوعی، دایرکتوری ابزارهای TechZehn را ببینید.