Визуальный диалог в реальном времени
24 сентября 2026 года Google анонсировала обновление Gemini 3.8 Live with Live Avatar. Это решение объединяет возможности живого диалога с генерацией видео низких задержек. Функция позволяет корпоративным агентам не только слушать и говорить, но и демонстрировать динамичную визуальную персону, реагирующую на контекст разговора. Ключевые особенности включают точную синхронизацию губ (lip-sync), естественные выражения лица и плавную смену реплик.
Асинхронная работа инструментов
Важной технической особенностью является поддержка асинхронного вызова инструментов (tool calling). Пока аватар продолжает вести диалог с пользователем, система в фоновом режиме выполняет сложные задачи, такие как проверка данных или обработка запросов. Это обеспечивает непрерывность общения без задержек, характерных для традиционных чат-ботов, требующих пауз для обработки запросов к внешним API.
Глобальный масштаб и 97 языков
Google подчеркивает важность мультиязычности. Live Avatar поддерживает нативную синхронизацию речи с видео на 97 языках. Система динамически адаптирует мимику и движение губ при переключении между языками в ходе одного диалога, сохраняя высокое качество видео и избегая визуальных артефактов (visual drift).
Кастомизация и безопасность
Организации могут использовать предустановленных аватаров или создавать кастомных персонажей на основе референсных изображений, сохраняя черты лица и стиль бренда. Доступ к созданию кастомных аватаров пока ограничен списком разрешенных предприятий (allowlist). Все сгенерированные аудио и видеоматериалы невидимым образом маркируются технологией SynthID для предотвращения дезинформации.
Доступность и технические характеристики
Функция доступна в рамках тарифа Gemini Enterprise. Ниже приведено сравнение ключевых возможностей новой версии:
| Характеристика | Описание | Технические детали |
|---|---|---|
| Модель | Gemini 3.8 Live | Версия с поддержкой живого диалога |
| Визуализация | Live Avatar | Генерация видео в реальном времени с lip-sync |
| Мультиязычность | 97 языков | Без потери качества видео при переключении |
| Обработка запросов | Асинхронная | Диалог продолжается во время фоновых вычислений |
| Безопасность | SynthID | Невидимое водяное знак в аудио и видео |
Разработчики могут начать интеграцию через API, документация к которому уже опубликована. Решение позиционируется как инструмент для улучшения клиентского сервиса и создания интерактивных обучающих материалов.
Источник: Blog ↗