Gemini 3.8 Live 上线 Live Avatar 功能

Google DeepMind 在 Gemini 3.8 Live 发布一周后，正式推出 Live Avatar 功能。该功能将实时视频生成与语音对话原生耦合，为企业级对话 AI 带来具备视觉形象的交互体验。Live Avatar 现已在 Gemini Enterprise 中上线，企业用户可在虚拟客服、互动导览等场景中使用。

多模态对话更自然

Live Avatar 的核心目标是还原面对面交流的多模态特性。系统可同时处理视觉与音频输入，并在近实时响应中输出带表情、口型同步的动态画面与语音，让企业智能体的对话过程从纯语音升级为「能听、能看、能说」的完整交互。该能力建立在 Gemini 原生实时对话模型之上，并未引入额外的拼接延迟。

支持异步工具调用

除了视觉呈现之外，Live Avatar 同样继承了 Gemini 的推理与工具调用能力。其异步工具调用机制允许模型在保持对话不中断的前提下，于后台触发工具、获取数据，从而处理酒店入住、订单查询等多步骤任务，确保对话流不会被外部请求阻塞。

面向全球的多语言适配

Live Avatar 内置原生多语言语音到语音同步能力，可在不同语种之间无缝切换，全程保持口型与表情一致，覆盖语言数量达 97 种，且不会因切换造成画质下降或视觉漂移。这一特性使其适用于跨境客服、国际化培训等需要频繁切换语言的场景。

可定制的企业形象

在形象层面，平台既提供多样化的预置虚拟形象，也支持企业基于高质量参考图生成专属动画化身，可在保留人物 likeness、品牌风格或角色特征的前提下生成可交互形象。目前自定义化身创建仅对企业白名单用户开放，尚未面向普通开发者。

安全保障与内容溯源

所有由 Live Avatar 生成的音频与视频均会嵌入 Google 的 SynthID 水印，用于标识 AI 生成内容，降低伪造与误传风险。Google 在模型卡中披露了完整的安全与负责任部署策略，强调身份保护与内容透明。