Google tuo Live Avatar -visuaalisen läsnäolon Gemini 3.8 Live -malliin

Google esitteli 24. syyskuuta 2026 Gemini 3.8 Live with Live Avatar, ominaisuuden, joka lisää lähes reaaliaikaisesti luotua videota sen natiivien live‑keskustelumallien puheeseen, ja teki sen yleisesti saatavaksi Gemini Enterprise -palvelussa Yhdysvaltojen ja Euroopan unionin päätepisteiden kautta.

Ilmoitus, jonka ovat kirjoittaneet tutkimustieteilijä Shuo-yiin Chang ja ohjelmistosuunnittelija CJ Zheng Gemini Audio -tiimin puolesta, esittelee ominaisuuden visuaalisena läsnäolokerroksena Geminin keskustelevalle tekoälylle. Google sanoo, että sen tarkka huulisynkronointi, luonnolliset ilmeet ja sujuva vuorottelu mahdollistavat yrityksille virtuaalisten palveluiden, kuten asiakaspalvelun ja interaktiivisten esittelyjen, laajentamisen.

Julkaisu seuraa Googlen aiempaa julkaisua: 15. syyskuuta 2026 julkaistut Gemini 3.8 Live ja Gemini 3.8 Live Extended Thinking ovat live‑keskustelumalleja, jotka Google asemoi vastaavasti skaalautuvaan, kustannustehokkaaseen keskusteluun ja erittäin monimutkaisiin päättelytehtäviin ja joita alettiin ottaa käyttöön Gemini API:n, Google AI Studion, Gemini‑sovelluksen, Google Workspacen ja Search Live -palvelun kautta.

Yleinen saatavuus Gemini Enterprise -palvelussa

Gemini 3.8 Live with Live Avatar on yleisesti saatavilla Gemini Enterprise -palvelussa 24. syyskuuta 2026 alkaen, ja Google Cloud kertoi teknologian ensimmäisen esikatselun tapahtuneen Google Cloud Next 2026 -tapahtumassa. Julkaisu on tarjolla Yhdysvaltojen ja EU:n päätepisteiden kautta ja sisältää varatun käsittelykapasiteetin, yritysten vaatimustenmukaisuuden ja tiukan tietohallinnon, Google Cloud -julkaisun mukaan, jonka on kirjoittanut Fabien Blanc-paques, Gemini Live -ryhmän tuotepäällikkö. Gemini 3.8 Live Extended Thinking on edelleen yksityisessä esikatselussa.

Yritysasiakkaat voivat kokeilla mallia Gemini Enterprise -konsolissa, integroida sen Gemini Live API -dokumentaation kautta ja tarkastella hinnoittelua Google Cloudin hinnoittelusivulta. Google Cloud kehottaa asiakkaita tekemään yhteistyötä myyntiedustajiensa kanssa varatun käsittelykapasiteetin, räätälöityjen käyttöönottoarkkitehtuurien ja mukautettujen avatarien sallittujen listojen osalta.

Kuinka Live Avatar toimii

Live Avatar käsittelee visuaalisia ja äänisyötteitä samanaikaisesti ja vastaa ilmaisevalla äänellä ja videolla lähes reaaliajassa, Googlen mukaan. Ominaisuus tukee myös asynkronista työkalukutsua, joten se voi käynnistää työkalukutsuja ja hakea tietoja taustalla keskeyttämättä keskustelua. Yksi Googlen demonstraatio näyttää avatarin kirjaavan hotellivieraan sisään samalla kun dialogi jatkuu ilman keskeytystä.

Google sanoo, että avatari säätää huulisynkronointia ja ilmeitä keskustelujen edetessä 97 kielellä, säilyttäen videon tarkkuuden ja välttäen visuaalista ajautumista. Google Cloud -julkaisu lisää live‑visuaalisen ymmärryksen kamerasyötteistä ja näytönjaosta äänen ohella, keskeytyksen palautuksen, joka säilyttää keskustelukontekstin ja taustatransaktiot, automaattisen kielentunnistuksen ja siirtymän ilman manuaalisia kytkimiä sekä käyttöönoton verkossa, mobiilissa ja interaktiivisissa kioskeissa. Erillinen Google Cloud -demo näyttää vakuutuskorvauspyyntöjen vastaanottajan täyttävän korvausmuistion, kun asiakas näyttää vahinkoa kameralla, samalla kun Googlen Agent Development Kitillä rakennettu agenttitiimi tarkistaa vakuutuksen, soveltaa vastaanottoehtoja ja kokoaa aineiston vahinkotarkastajalle taustalla.

Avatarit, vesileimaus ja mallikortin rajoitukset

Organisaatiot voivat ottaa käyttöön kirjastosta ennalta määritettyjä avatareja tai luoda mukautettuja avatareja korkealaatuisesta referenssikuvasta, ja Google toteaa, että tulos säilyttää referenssikuvan ulkonäön, brändityylin tai hahmon identiteetin. Mukautettujen avatarien luomiseen pääsy edellyttää yritystason sallittujen listojen käyttöä; Google Cloud kuvaa sallittujen listojen ja vahvistusprosessin identiteetin suojaksi ja väärinkäytön estämiseksi. Jokaiseen luotuun ääni- ja videovirtaan upotetaan huomaamaton SynthID‑vesileima, mikä pitää AI‑luodun sisällön tunnistettavana.

Gemini 3.8 Audio -mallikortin mukaan mallit perustuvat Gemini 3 Proon. Gemini 3.8 Live hyväksyy äänen, kuvat, videon ja tekstin konteksti-ikkunalla enintään 128 K tokenia, ja Live Avatarin avulla se tuottaa äänen, videon ja tekstin, joiden ulostulo on rajoitettu 24 K tokeniin. Mallikortti kertoo, että Live Avatar -variantit tuottavat ilmeikästä videota luonnollisista pään liikkeistä, jotka on synkronoitu puheeseen, ja joita ohjaavat määritetyt kuvat ja äänisyötteet, ja että ne ylläpitävät jatkuvaa vuorovaikutusta muutaman minuutin eivätkä useita tunteja.

Mallikortti luettelee tunnetut rajoitukset, joihin kuuluvat mahdolliset harhakuvitelmat sekä satunnainen hidastelu tai aikakatkaisut, ja asettaa tiedonrajauksen tammikuuhun 2025. Sen frontier‑turvallisuusarviointi ei löytänyt merkittäviä uusia kykyjä tai merkittäviä suorituskyvyn parannuksia Gemini 3.7 Flash -malliin verrattuna, ja tämän perusteella Google katsoo, että Gemini 3.8 Audio -mallit eivät todennäköisesti saavuta mitään seurattuja tai kriittisiä kyvykkyystasoja Frontier Safety Framework -järjestelmässä.

Asiakkaiden käyttöönotot

Google Cloud mainitsi useita yrityksiä, jotka hyödyntävät ominaisuutta. Cox Automotive loi AI‑pohjaisen ostosavustajan Autotraderille, joka käyttää live‑näytön korostusta ja työkalukutsuja ohjatakseen autonostajia ajoneuvon hakuun, vertailuun ja rahoitukseen reaaliajassa.

“Kuluttajat odottavat yhä enemmän, että he voivat kuvailla tarpeitaan omilla sanoillaan sen sijaan, että heidän täytyy selata suodattimia ja valikoita. Autotraderin uusi keskusteleva AI‑avatar tuo tämän kokemuksen ajoneuvojen etsintään yhdistämällä luonnollisen keskustelun oikeaan varastoon,” Marianne Johnson, Cox Automotiven executive vice president ja chief product officer, sanoi Google Cloud -julkaisussa.

Equal AI:n toimitusjohtaja Akhilesh Damaraju kertoi, että yrityksen henkilökohtainen AI käsittelee yli miljoona suoraa puhelua päivittäin yhdeksällä intialaisella kielellä, ja totesi, että Gemini 3.8 Live paransi keskeytysten käsittelyä, monikielisiä keskusteluja ja työkalukutsujen luotettavuutta. Bob Van Osten, Salesforcen Agentforcesta vastaava vice president of product, sanoi, että Agentforce ja Gemini 3.8 Live yhdistyvät yhteistyössä Salesforce AI Researchin ja Googlen välillä, mikä yhdistää reaaliaikaiset multimodaaliset ominaisuudet agenttipohjaiseen AI:hin. Eric Walsh, Specs‑yrityksen ohjelmistosuunnittelija, totesi, että mallin puheaktiivisuuden tunnistuksen päivitykset ja latenssin parannukset olivat askelia eteenpäin AI‑avustajalle SPECS‑alustalla.