Gemini 3.8 Live отримав візуальні аватари в реальному часі
Gemini 3.8 Live with Live Avatar поєднує можливості діалогу в реальному часі з майже миттєвим генеруванням відео. Функція додає корпоративним розмовним агентам візуальну персону: вони можуть одночасно обробляти зображення та звук і відповідати синхронізованими аудіо й відео. Серед заявлених можливостей — природна міміка, точна синхронізація рухів губ і плавне чергування реплік.
Система підтримує асинхронні виклики інструментів і може отримувати дані у фоновому режимі, не перериваючи розмову. Як приклад наведено виконання складного завдання з реєстрації гостя в готелі. Live Avatar синхронізує мовлення та рухи губ 97 мовами, адаптуючи вираз обличчя під час переходу між мовами.
Gemini 3.8 Live with Live Avatar доступний у Gemini Enterprise. Організації можуть обирати готові аватари з різною зовнішністю та голосом або створювати власні на основі еталонного зображення. Кастомізація наразі доступна лише через корпоративний allowlisting. Аудіо- та відеовиводи продуктів містять непомітну водяну мітку SynthID, яка має допомагати виявляти контент, створений ШІ, і зменшувати ризик дезінформації та помилкової атрибуції.
Текст підготовлено ШІ Sakhanda Wire за матеріалом DeepMind. Факти, цитати та повний контекст — в оригінальній статті нижче.