Google 为 Gemini Enterprise 推出实时虚拟形象

关键信息

Live Avatar 可以同时处理音频和视觉输入，并在异步工具获取信息时继续对话；它还支持在 97 种语言之间切换，同时调整唇形同步和面部表情。Google 表示生成内容带有不可察觉的 SynthID 水印，但公告没有提供充分的基准测试、延迟数据或详细安全评估。

资讯摘要

Google 在上周推出 Gemini 3.8 Live 后，宣布了 Gemini 3.8 Live with Live Avatar。此次更新通过将视频生成与语音结合，为 Google 的原生实时对话模型增加了近实时的视觉形象。虚拟形象能够倾听、观察和说话，并通过唇形同步、面部表情以及自然的轮流发言，让对话更加接近真人交流。Google 将该功能定位于企业场景，例如客户服务和互动式操作讲解，并表示它已经在 Gemini Enterprise 中提供。

Live Avatar 可以同时处理音频和视觉输入，而 Gemini 的推理能力支持在后台异步调用工具，使代理能够获取数据而不中断对话。Google 以酒店入住办理为例，展示了这种持续互动的工作流程。该功能支持覆盖 97 种语言的多语言语音到语音同步，并允许组织使用预设虚拟形象，或根据高质量参考图片申请定制形象，但定制功能需要企业许可名单批准。Google 还表示，音频和视频输出都带有 SynthID 水印，以帮助识别 AI 生成内容并减少错误传播或身份归属错误。

来源与参考

1. 原始链接
2. Gemini 3.8 Live with Live Avatar gives Google’s AI a face
3. Introducing Gemini 3.8 Live with Live Avatar