A Google bejelentette a Gemini Live új "Élő avatar" funkcióját, amely lehetővé teszi, hogy vállalati ügyfélszolgálati rendszerek valós időben, szinkronizált szájmozgással megjelenített digitális avatárokat használjanak a felhasználókkal folytatott beszélgetések során. A megoldás célja, hogy emberközelibb, vizuálisan gazdagabb interakciót nyújtson a hagyományos chatablakoknál vagy egyszerű hangalapú válaszadásnál.
A technológia a Google Gemini Live legújabb generációjára épül: a rendszer kombinálja az azonnali hangfeldolgozást és a gyors videógenerálást, így az avatár nem előre rögzített videót játssza le, hanem a beszélgetés közben „élőben” reagál és a kimondott szöveghez illeszkedő szájmozgást jelenít meg. A Google szerint ez dinamikus vizuális személyiséget hoz létre, amely figyel, lát és beszél.
A megoldás vállalati célú: cégek választhatnak az előre megtervezett karakterek közül, vagy egyedi, a márkájukhoz igazított avatárokat készíthetnek — például a cég logójával díszített virtuális egyenruhát vagy specifikus gesztusokat. Egyéni avatár létrehozása jelenleg csak vállalati engedélyezőlistán (allowlist) keresztül érhető el.
Nyelvi és technikai képességek tekintetében a rendszer 97 nyelven ért és beszél, és a Google állítása szerint a beszélgetés során zökkenőmentesen át tud váltani a felhasználó által használt nyelvre anélkül, hogy a videó minősége romlana vagy vizuális eltolódás jelentkezne.
A Google hangsúlyozza, hogy az avatár több, mint egy „beszélő fej”: a rendszer képes gondolkodni jellegű feladatokra, külső rendszereket meghívni és aszinkron eszközhívásokat indítani háttéradatok lekéréséhez, miközben folyamatosan tartja a párbeszédet és kezeli az összetettebb feladatokat. Ennek köszönhetően az avatár egyszerre tud kommunikálni és háttérműveleteket végezni a zavartalan ügyintézés érdekében.
A biztonság és átláthatóság részeként a Google közölte, hogy az avatárokról készült videók SynthID vízjelet tartalmaznak. Ez az úgynevezett, szinte észrevehetetlen vízjel a hang- és videókimenetbe van beágyazva, és célja annak biztosítása, hogy a mesterséges intelligencia által generált tartalom felismerhető maradjon, csökkentve a félretájékoztatás vagy a félrevezető forrásmegjelölés kockázatát.
A Google hivatalos tájékoztatása szerint a Live Avatar funkció már általánosan elérhető a Gemini Enterprise ügyfelei számára. Mivel a megoldás elsősorban vállalati felhasználásra készült, a hétköznapi internetezők számára ez nem egy azonnal kipróbálható fogyasztói szolgáltatás.
Milyen hatása lehet mindennek? A technológia egyszerre teheti barátságosabbá és személyesebbé az online ügyintézést, de felvethet kérdéseket a felhasználói komforttal, az átláthatósággal és az automatizált rendszerek elfogadásával kapcsolatban. Az, hogy a virtuális ügyfélszolgálati munkatársak a gyakorlatban mennyire lesznek hatékonyak és elfogadottak, a bevezetésüket követő felhasználói tapasztalatokból fog kiderülni, amikor a nagyobb weboldalakon megjelennek az első élő avatárok.
Összegzés
A Google Live Avatar funkciója új szintre emeli az ügyfélszolgálati chatbotok vizuális és interaktív képességeit: valós időben reagáló, szinkronizált digitális személyiségek jelenhetnek meg vállalati környezetben, 97 nyelven, beépített SynthID vízjellel a generált tartalmak megjelölésére. Jelenleg a szolgáltatás a Gemini Enterprise ügyfelei számára hozzáférhető, egyedi avatarok pedig engedélyezőlistán keresztül hozhatók létre.
