推出 Gemini 3.8 Live 与 Live Avatar
内容提要
谷歌发布Gemini 3.8 Live with Live Avatar，为实时对话模型加入近实时视频生成，实现精准唇形同步、自然表情与流畅对话。该功能支持多模态交互、异步工具调用，可无缝切换97种语言，并提供可定制虚拟形象。所有AI生成内容均嵌入SynthID水印以保障透明度。目前已在Gemini Enterprise上线。
延伸解读
企业级实时虚拟形象的应用场景
Live Avatar 将实时视频生成与语音结合，为企业提供具有视觉形象的对话代理。文章指出，该功能可用于客户服务或交互式导览，通过精准唇形同步、自然表情和流畅对话，提升数字交互的丰富性和可访问性。目前该功能已在 Gemini Enterprise 上线，企业可借此扩展虚拟服务。
异步工具调用如何保持对话流畅
Live Avatar 支持异步工具调用，能在后台触发工具并获取数据，同时继续当前对话。这意味着在处理复杂任务（如酒店入住登记）时，对话不会中断。这种设计让虚拟形象在保持连续存在感的同时，借助 Gemini 的推理能力完成多步骤操作，提升交互效率。
多语言支持与视觉一致性
Live Avatar 具备原生多语言语音到语音同步能力，可在 97 种语言间无缝切换，并动态调整唇形和表情，而不会降低视频保真度或产生视觉漂移。这使得企业能够为全球用户提供自然、一致的对话体验，无需担心语言切换导致的视觉不协调。
定制虚拟形象与透明度保障
企业除了使用预设虚拟形象库，还可通过高质量参考图生成定制动画形象，保留参考 likeness、品牌风格或角色身份。目前定制功能仅通过企业允许列表提供。所有 AI 生成内容均嵌入 SynthID 水印，以帮助检测 AI 生成内容，减少误传和错误归属。
Q&A
Gemini 3.8 Live with Live Avatar 是什么？
Gemini 3.8 Live with Live Avatar 是谷歌推出的新功能，为实时对话模型加入近实时视频生成，实现精准唇形同步、自然表情与流畅对话，使AI能听、看、说，并具有动态视觉形象。
Live Avatar 如何实现更自然的对话？
Live Avatar 通过同时处理视觉和音频输入，生成富有表现力的音频和视频，并具备精准唇形同步、自然表情和流畅的轮流对话能力，从而模拟人类多模态交流。
Live Avatar 支持哪些语言？
Live Avatar 支持97种语言，具备原生多语言语音到语音同步能力，能在对话中无缝切换语言，且唇形同步和表情会动态适应，不会降低视频保真度或产生视觉漂移。
企业如何定制自己的 Live Avatar？
企业可以通过提供高质量参考图像，生成完全动画化、响应式的虚拟形象，同时保留参考肖像、品牌风格或角色身份。定制功能目前仅通过企业允许列表提供。
Live Avatar 如何确保AI生成内容的透明度？
所有AI生成内容都嵌入了SynthID水印，这种不可感知的水印直接编织在音频和视频输出中，有助于确保AI生成内容可被检测，从而减少错误信息和错误归属。
Gemini 3.8 Live with Live Avatar 目前在哪里可用？
Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 上线，用户可以通过API文档开始使用。
