Η Google φέρνει την οπτική παρουσία Live Avatar στο Gemini 3.8 Live

Η Google στις 24 Σεπτεμβρίου 2026 παρουσίασε Gemini 3.8 Live με Live Avatar, μια δυνατότητα που προσθέτει βίντεο σχεδόν σε πραγματικό χρόνο στην ομιλία των εγγενών μοντέλων ζωντανής διαλόγου, και το έκανε γενικά διαθέσιμο στο Gemini Enterprise με σημεία πρόσβασης στις Ηνωμένες Πολιτείες και στην Ευρωπαϊκή Ένωση.

Η ανακοίνωση, γραμμένη από τον ερευνητή Shuo-yiin Chang και τον μηχανικό λογισμικού CJ Zheng εκ μέρους της ομάδας Gemini Audio, παρουσιάζει τη δυνατότητα ως ένα επίπεδο οπτικής παρουσίας για την συνομιλιακή AI της Gemini. Η Google δηλώνει ότι ο ακριβής συγχρονισμός χειλιών, οι φυσικές εκφράσεις και η ομαλή εναλλαγή ρόλων επιτρέπουν στις επιχειρήσεις να επεκτείνουν τις εικονικές προσφορές, όπως η εξυπηρέτηση πελατών και οι διαδραστικές περιηγήσεις.

Η κυκλοφορία ακολουθεί την 15 Σεπτεμβρίου 2026 η έναρξη του Gemini 3.8 Live και του Gemini 3.8 Live Extended Thinking από την Google, μοντέλα ζωντανής διαλόγου που η Google τοποθέτησε αντίστοιχα για κλιμακώσιμη, οικονομικά αποδοτική συζήτηση και για εργασίες υψηλής πολυπλοκότητας, τα οποία ξεκίνησαν τη διανομή μέσω του Gemini API, του Google AI Studio, της εφαρμογής Gemini, του Google Workspace και του Search Live.

Γενική Διαθεσιμότητα στο Gemini Enterprise

Το Gemini 3.8 Live with Live Avatar είναι γενικά διαθέσιμο στο Gemini Enterprise από τις 24 Σεπτεμβρίου 2026, και η Google Cloud ανέφερε ότι η τεχνολογία προβλήθηκε για πρώτη φορά στο Google Cloud Next 2026. Η κυκλοφορία προσφέρεται μέσω σημείων πρόσβασης στις ΗΠΑ και την ΕΕ και περιλαμβάνει προδιαγεγραμμένη διαπερατότητα, συμμόρφωση επιχειρήσεων και αυστηρή διακυβέρνηση δεδομένων, σύμφωνα με τη δημοσίευση της Google Cloud από τον Fabien Blanc‑paques, διευθυντή προϊόντος ομάδας για το Gemini Live. Το Gemini 3.8 Live Extended Thinking παραμένει σε ιδιωτική προεπισκόπηση.

Οι πελάτες επιχειρήσεων μπορούν να δοκιμάσουν το μοντέλο στην κονσόλα Gemini Enterprise, να το ενσωματώσουν μέσω της τεκμηρίωσης του Gemini Live API και να εξετάσουν τις τιμές στη σελίδα τιμών της Google Cloud. Η Google Cloud συμβουλεύει τους πελάτες να συνεργαστούν με τους αντιπροσώπους πωλήσεων για προδιαγεγραμμένη διαπερατότητα, προσαρμοσμένες αρχιτεκτονικές ανάπτυξης και έγκριση προσαρμοσμένων avatar.

Πώς Λειτουργεί το Live Avatar

Το Live Avatar επεξεργάζεται οπτικές και ηχητικές εισόδους ταυτόχρονα και απαντά με εκφραστικό ήχο και βίντεο σχεδόν σε πραγματικό χρόνο, σύμφωνα με την Google. Η δυνατότητα υποστηρίζει επίσης ασύγχρονη κλήση εργαλείων, ώστε να μπορεί να ξεκινά κλήσεις εργαλείων και να ανακτά δεδομένα στο παρασκήνιο χωρίς να διακόπτει τη συζήτηση. Μία επίδειξη της Google δείχνει το avatar να ελέγχει έναν επισκέπτη ξενοδοχείου ενώ ο διάλογος συνεχίζεται χωρίς διακοπή.

Η Google δηλώνει ότι το avatar προσαρμόζει το συγχρονισμό χειλιών και τις εκφράσεις καθώς οι συνομιλίες μεταβαίνουν σε 97 γλώσσες, διατηρώντας την πιστότητα του βίντεο και αποφεύγοντας την οπτική απόκλιση. Η ανάρτηση της Google Cloud προσθέτει ζωντανή οπτική κατανόηση των ροών κάμερας και των κοινών οθονών μαζί με τον ήχο, ανάκτηση διακοπής που διατηρεί το πλαίσιο της συνομιλίας και τις συναλλαγές του back‑end, αυτόματη ανίχνευση γλώσσας και μετάβαση χωρίς χειροκίνητους εναλλαγείς, καθώς και ανάπτυξη σε ιστό, κινητά και διαδραστικά περίπτερα. Μια ξεχωριστή επίδειξη της Google Cloud δείχνει έναν πράκτορα εισαγωγής ασφαλιστικών αξιώσεων να συμπληρώνει ένα σημειωματάριο αξιώσεων ενώ ένας πελάτης δείχνει ζημιά στην κάμερα, ενώ μια ομάδα πρακτόρων που χτίστηκε με το Agent Development Kit της Google επαληθεύει την πολιτική, εφαρμόζει τους κανόνες εισαγωγής και συναρμολογεί το πακέτο του εκτιμητή στο παρασκήνιο.

Avatars, Υδατογράφημα και Όρια Κάρτας Μοντέλου

Οι οργανισμοί μπορούν να αναπτύξουν από μια βιβλιοθήκη προκαθορισμένων αβατάρ ή να δημιουργήσουν προσαρμοσμένα αβατάρ από μια εικόνα αναφοράς υψηλής ποιότητας, και η Google δηλώνει ότι το αποτέλεσμα διατηρεί την ομοιότητα, το στυλ μάρκας ή την ταυτότητα χαρακτήρα της αναφοράς. Η πρόσβαση στη δημιουργία προσαρμοσμένων αβατάρ απαιτεί έγκριση επιχειρήσεων· η Google Cloud περιγράφει τη διαδικασία έγκρισης και επαλήθευσης ως μέτρο προστασίας της ταυτότητας και κατά της κακής χρήσης. Κάθε παραγόμενο ηχητικό και βιντεο‑stream ενσωματώνεται με ένα αδιακρίσιμο υδατογράφημα SynthID, διατηρώντας το AI‑παραγόμενο περιεχόμενο ανιχνεύσιμο.

Σύμφωνα με την Gemini 3.8 Audio κάρτα μοντέλου, τα μοντέλα βασίζονται στο Gemini 3 Pro. Το Gemini 3.8 Live δέχεται ήχο, εικόνες, βίντεο και κείμενο με παράθυρο συμφραζομένων έως 128K tokens, και με το Live Avatar παράγει ήχο, βίντεο και κείμενο υπό περιορισμό εξόδου 24K-token. Η κάρτα μοντέλου δηλώνει ότι οι παραλλαγές Live Avatar δημιουργούν εκφραστικό βίντεο με φυσικές κινήσεις του κεφαλιού συγχρονισμένες με την ομιλία, που καθοδηγούνται από ρυθμισμένες εικόνες και ηχητικές εισόδους, και ότι διατηρούν μερικά λεπτά συνεχόμενης αλληλεπίδρασης αντί για εκτεταμένες ώρες.

Η κάρτα μοντέλου παραθέτει γνωστούς περιορισμούς, όπως πιθανές ψευδαισθήσεις και περιστασιακή αργοπορία ή λήξη χρόνου, και ορίζει το όριο γνώσης τον Ιανουάριο 2025. Η αξιολόγηση ασφαλείας frontier δεν εντόπισε ουσιαστικές νέες δυνατότητες ή σημαντικές βελτιώσεις απόδοσης σε σχέση με το Gemini 3.7 Flash, και βάσει αυτού η Google θεωρεί ότι τα μοντέλα Gemini 3.8 Audio είναι απίθανο να φτάσουν σε επίπεδα Tracked ή Critical Capability σύμφωνα με το πλαίσιο Frontier Safety.

Εγκαταστάσεις Πελατών

Η Google Cloud ανέφερε αρκετές επιχειρήσεις που χρησιμοποιούν τη δυνατότητα. Η Cox Automotive δημιούργησε έναν βοηθό αγορών με τεχνητή νοημοσύνη για το Autotrader, ο οποίος χρησιμοποιεί ζωντανή επισήμανση οθόνης και κλήση εργαλείων για να καθοδηγεί τους αγοραστές αυτοκινήτων μέσω της αναζήτησης οχημάτων, σύγκρισης και χρηματοδότησης σε πραγματικό χρόνο.

“Οι καταναλωτές απαιτούν όλο και περισσότερο να περιγράφουν τι χρειάζονται με δικά τους λόγια, αντί να περνούν από φίλτρα και μενού. Το νέο Συνομιλητικό AI Avatar του Autotrader φέρνει αυτή την εμπειρία στην αναζήτηση οχημάτων, αντιστοιχίζοντας τη φυσική συζήτηση στο κατάλληλο απόθεμα,” δήλωσε η Marianne Johnson, εκτελεστική αντιπρόεδρος και επικεφαλής προϊόντων της Cox Automotive, στην ανακοίνωση Google Cloud.

Ο διευθύνων σύμβουλος της Equal AI, Akhilesh Damaraju, δήλωσε ότι το προσωπικό AI της εταιρείας διαχειρίζεται πάνω από ένα εκατομμύριο ζωντανές κλήσεις καθημερινά σε εννέα ινδικές γλώσσες, και πρόσθεσε ότι το Gemini 3.8 Live βελτίωσε τη διαχείριση διακοπών, τις πολυγλωσσικές συνομιλίες και την αξιοπιστία κλήσεων εργαλείων. Ο Bob Van Osten, αντιπρόεδρος προϊόντων της Salesforce για το Agentforce, ανέφερε ότι το Agentforce και το Gemini 3.8 Live συνδυάζονται σε μια συνεργασία μεταξύ του Salesforce AI Research και της Google, η οποία ενώνει δυνατότητες πραγματικού‑χρόνου πολυτροπικής επεξεργασίας με AI που ενεργεί αυτόνομα. Ο Eric Walsh, μηχανικός λογισμικού στην Specs, τόνισε ότι οι ενημερώσεις στην Ανίχνευση Φωνητικής Δραστηριότητας (Voice Activity Detection) του μοντέλου και οι βελτιώσεις στην καθυστέρηση αποτελούν πρόοδο για τον βοηθό AI στην πλατφόρμα SPECS.