Google DeepMind 推出 Gemini 3.8 Live 與 Live Avatar 功能

Google DeepMind 正式宣布推出 Gemini 3.8 Live 版本，並同步啟用 Live Avatar 功能。這項更新建立在先前 Gemini 3.8 Live 發布的基礎上，主要目標是將即時視覺存在感融入 Gemini 的對話式人工智慧系統中。透過將即時對話能力與低延遲串流影片原生結合，Live Avatar 目的是為企業及其使用者提供更自然、直覺的互動體驗。

多模態對話與即時視覺呈現

Live Avatar 功能的核心在於將近實時的影片生成與語音處理相結合，創造出一個能聽、能看、能說且具備動態視覺人格的互動介面。該系統具備精確的唇形同步技術、自然的表情變化以及流暢的對話輪替機制。透過同時處理視覺與音訊輸入，Live Avatar 能夠生成更豐富的對話內容，從而提供比傳統單一模態更為全面的體驗。這種技術讓企業能夠以更互動的方式擴展其虛擬服務範疇，無論是提供具吸引力的客戶服務，還是進行互動式導覽，皆能將數位交流轉化為更豐富且易於接觸的體驗。

非同步工具執行與持續存在

除了視覺上的存在感，Live Avatar 背後由 Gemini 的先進推理能力所支撐。該功能支援非同步工具呼叫，意味著 Live Avatar 可以在背景中觸發工具呼叫並擷取資料，同時維持活躍的對話狀態。這種設計確保了即使在處理複雜任務時，對話流程也不會中斷。例如，在飯店入住登記等複雜情境中，系統可以在繼續與使用者對話的同時，於背景完成相關資料查詢與處理，實現無縫的互動體驗。

全球規模的語言適應能力

為了確保對話存在感不受語言限制，Live Avatar 具備原生的多語言語音到語音同步功能。該技術能夠動態調整唇形同步與表情，並支援在 97 種語言之間無縫切換，且在切換過程中不會降低影片畫質或產生視覺漂移。這使得 Live Avatar 能夠適應全球範圍內的應用需求，確保在不同語言環境下皆能保持自然且一致的互動品質。

品牌客製化與安全透明機制

針對企業對獨特視覺識別的需求，除了提供多樣化的預設角色庫外，組織還可自訂其 Live Avatar。開發者可以透過高品質的參考影像，生成完全動畫化且具反應能力的角色，同時保留參考影像的相似性、品牌風格或角色身份。目前，自訂角色的建立僅限於企業白名單用戶使用。

在信任與透明度方面，Live Avatar 內建嚴格的安全防護措施，以尊重身份並確保人工智慧生成內容的透明度。所有由該產品生成的輸出內容均嵌入 SynthID 不可見水印，該水印直接編織於音訊與影片輸出中。此機制有助於確保人工智慧生成內容可被偵測，從而最小化誤導資訊與錯誤歸屬的風險。詳細的安全與負責任部署方法可參考其模型卡文件。

目前，Gemini 3.8 Live with Live Avatar 已於 Gemini Enterprise 中提供。開發者可透過探索 API 文件來開始使用此功能。