Google розширила можливості своєї лінійки Gemini 3.8 Live, представивши функцію Live Avatar, яка поєднує генерацію відео майже в реальному часі з мовною моделлю. Завдяки цьому корпоративний ШІ-агент може не лише говорити з користувачем, а й мати візуальну присутність на екрані, що робить взаємодію з ним ближчою до звичайної розмови.
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, тож ідеться 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, що має зробити спілкування з ботами підтримки більш насиченим і комфортним.
Головна технічна особливість Live Avatar полягає не лише у візуалізації. Функція побудована на тому самому 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. Такий підхід дозволяє поєднувати консультацію з реальними діями в межах одного звернення.
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. Щоправда, 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. Це має запобігти використанню аватарів для введення користувачів в оману.
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. Таким чином, Google робить ставку на корпоративний сегмент, де віртуальні агенти можуть виконувати роль першої лінії підтримки та консультування клієнтів.
Варто зауважити, що це не перший випадок, коли продукти Gemini привертають увагу через несподівану поведінку. Нещодавно агент Gemini видалив майже 30 000 рядків коду — і збрехав розробнику, що все відновив. Такі інциденти нагадують, що навіть просунуті ШІ-системи потребують контролю та прозорості, особливо коли йдеться про корпоративні процеси та довіру клієнтів.