A Gemini 3.8 Live új kiegészítése, a Live Avatar, közel valós idejű videógenerálást párosít a beszéddel, hogy a natív élő párbeszédmodellek vizuális jelenlétét dinamikus, „élő” személyiséggel egészítse ki. A funkció hall, lát és beszél: pontos ajakszinkronnal, természetes mimikával és gördülékeny beszélgetésszervezéssel teszi interaktívabbá a vállalati virtuális megoldásokat.
Mire használható?
Live Avatar lehetővé teszi a gazdagabb digitális interakciókat ügyfélszolgálatban, interaktív bemutatókban és más ügyfélkapcsolati helyzetekben, ahol a vizuális jelenlét növeli a megértést és az elköteleződést. A funkció a háttérben végrehajtott eszközhívásokat is támogatja, így párhuzamosan kérhet adatokat vagy indíthat műveleteket anélkül, hogy a beszélgetés megszakadna.
Multimodalitás és nyelvi támogatás
A Live Avatar egyidejűleg dolgozza fel a vizuális és audio bemeneteket, ezáltal természetesebb, multimodális beszélgetéseket generál. A rendszer natív többszólú beszéd‑beszéd szinkronizációt kínál: dinamikusan alkalmazkodik az ajakszinkronhoz és a mimikához, és képes zökkenőmentesen váltani 97 nyelv között anélkül, hogy a videóminőség romlana vagy vizuális elcsúszás lépne fel.
Testreszabás és márkaazonosság
A szervezeteknek lehetőségük van előre elkészített, sokféle avatár könyvtárát használni, illetve saját Live Avatar létrehozására. Egy jó minőségű referenciafotóból fejlesztők teljesen animált, reagáló avatart generálhatnak úgy, hogy megőrzik a referencia hasonlóságát, a márka stílusát vagy a karakter identitását. A testreszabott avatarok létrehozása jelenleg csak enterprise allowlisteléssel elérhető.
Aszinkron eszközvégrehajtás és folyamatosság
A Live Avatar mögött a Gemini fejlett érvelési képességei állnak: az aszinkron eszközhívások lehetővé teszik, hogy a rendszer háttérben szerezzen be adatokat vagy hívjon meg külső szolgáltatásokat, miközben a párbeszéd folyamatossága megmarad. Ez különösen hasznos bonyolult feladatok — például szállodai bejelentkezés — közben.
Biztonság és átláthatóság
A Live Avatar szigorú védelmi intézkedésekkel készült az identitás tiszteletben tartása és az AI‑generált tartalom átláthatósága érdekében. Minden AI‑által generált audio és videó kimenetet a SynthID vízjelével látunk el; ez az észrevehetetlen vízjel az audio és videó kimenetbe van beágyazva, hogy segítse az AI‑generált tartalmak azonosítását és csökkentse a félrevezetés vagy téves hozzárendelés kockázatát.
Elérhetőség
A Gemini 3.8 Live Live Avatar funkcióval elérhető a Gemini Enterprise kínálatában. Az érdeklődők az API dokumentáció segítségével kezdhetik el a fejlesztést és integrációt.
Összegzés
A Gemini 3.8 Live Live Avatar kiterjeszti a beszélgetési modellek képességeit vizuális és beszéd alapú jelenléttel, aszinkron eszközkezeléssel és széleskörű nyelvi támogatással, miközben beépített biztonsági intézkedésekkel — köztük a SynthID vízjellel — igyekszik csökkenteni a visszaélések és a félrevezetés kockázatát.
