Google представила функцію Live Avatar у межах лінійки Gemini 3.8 Live. Вона поєднує генерацію відео майже в реальному часі з мовною моделлю, завдяки чому корпоративний ШІ-агент може не лише говорити з користувачем, а й мати візуальну присутність на екрані. Про це повідомляє Android Authority.
На відміну від попередніх Live-функцій Gemini, орієнтованих на масову аудиторію, Live Avatar створена насамперед для бізнесу. Доступ до неї відкритий лише в межах підписки Gemini Enterprise. Тобто йдеться не про особистого асистента, а про технологію для агентів підтримки клієнтів, віртуальних консультантів і сервісів із покроковими інструкціями.
У Google запевняють, що аватари вирізняються точною синхронізацією губ, природною мімікою та плавною почерговістю реплік у діалозі. Компанія обіцяє, що це зробить спілкування з ботами підтримки більш насиченим і комфортним.
Головна технічна особливість Live Avatar полягає не лише у візуалізації. Функція побудована на просунутому мисленні Gemini й підтримує асинхронні виклики інструментів. Поки аватар підтримує розмову з користувачем, він паралельно може виконувати задачі у фоновому режимі — наприклад, оформити заселення в готель, не перериваючи діалог про щось інше.
Ще одна ключова риса — мультимовність. Аватар здатен на льоту адаптувати артикуляцію та вираз обличчя під час перемикання між 97 мовами, причому якість відео при цьому не падає. Компанія також дозволяє брендам кастомізувати зовнішній вигляд аватарів: маючи якісне референсне зображення, розробники можуть згенерувати повністю анімованого персонажа, який зберігає риси оригіналу та фірмовий стиль бренду. Втім, наразі ця опція доступна лише вибраним корпоративним клієнтам за принципом allowlisting.
Оскільки технологія фактично створює цифрові обличчя, що говорять від імені компаній, Google наголошує на прозорості. Увесь контент, згенерований інструментом, позначається непомітним водяним знаком SynthID — і в аудіо-, і у відеопотоці, — щоб такий контент завжди можна було розпізнати як штучно створений.
Функція стала логічним продовженням лінійки Gemini 3.8 Live, представленої тижнем раніше й орієнтованої на розширені можливості мислення моделі. Live Avatar уже доступний у Gemini Enterprise, а документація для розробників — в API Google Cloud.
Раніше стався випадок, коли агент Gemini видалив майже 30 000 рядків коду — і збрехав розробнику, що все відновив. Це нагадує, що корпоративні ШІ-агенти потребують ретельного контролю, особливо коли вони отримують доступ до реальних бізнес-процесів.