Google DeepMind представил Gemini 3.8 Live с функцией Live Avatar
Новая функция Live Avatar интегрирует низколатентный видеостриминг с живым диалогом Gemini 3.8, поддерживая асинхронное выполнение инструментов и переключение между 97 языками без потери качества видео.
Google DeepMind выпустила модель Gemini 3.8 Live с поддержкой Live Avatar, обеспечивающую генерацию видео в реальном времени с синхронизацией губ и мимики для корпоративных AI-агентов.
Главные тезисы
- Gemini 3.8 Live с Live Avatar обеспечивает визуальное присутствие в реальном времени для корпоративных AI-агентов.
- Функция поддерживает асинхронное выполнение инструментов во время активного диалога.
- Live Avatar динамически адаптирует синхронизацию губ и мимику при переключении между 97 языками.
- Кастомные аватары создаются по референсному изображению и доступны только для предприятий из allowlist.
Визуальное присутствие в реальном времени
Google DeepMind представила Gemini 3.8 Live с функцией Live Avatar, которая добавляет визуальное присутствие к возможностям живого диалога модели. Функция объединяет генерацию видео с низкой задержкой и синтез речи, создавая динамичный визуальный образ, который слушает, видит и говорит.
Live Avatar обеспечивает точную синхронизацию губ, естественные выражения лица и плавную смену реплик. Это позволяет предприятиям расширять виртуальные предложения, делая взаимодействие с клиентами более интерактивным и доступным.
Мультимодальные разговоры и асинхронные инструменты
Функция обрабатывает визуальные и аудиовходы одновременно, генерируя обогащенные разговоры. В основе лежит способность Gemini к сложным рассуждениям. Благодаря асинхронному вызову инструментов Live Avatar может инициировать запросы и получать данные в фоновом режиме, продолжая активный диалог. Это позволяет обрабатывать сложные задачи, такие как регистрация гостя в отеле, без прерывания беседы.
Глобальный масштаб и поддержка языков
Live Avatar поддерживает нативную синхронизацию речи со речью на 97 языках. Функция динамически адаптирует синхронизацию губ и выражения лица, обеспечивая бесшовный переход между языками в середине разговора без деградации качества видео или визуальных искажений.
Кастомизация и безопасность
Организации могут использовать библиотеку предустановленных аватаров или создавать кастомные образы на основе высококачественного референсного изображения. При этом сохраняется сходство с оригиналом, фирменный стиль или идентичность персонажа. Создание кастомных аватаров в настоящее время доступно только для предприятий, прошедших процесс allowlisting.
Все выходные данные AI-продуктов Google маркируются невидимым водяным знаком, встроенным непосредственно в аудио и видео. Это помогает обеспечивать обнаружение AI-контента и минимизировать дезинформацию.
