Google DeepMind hat Gemini 3.8 Live mit Live Avatar am 24. September 2026 vorgestellt und fügt seiner dialogorientierten KI damit eine visuelle Präsenz in nahezu Echtzeit hinzu. Die Funktion kombiniert Geminis native Live-Dialogfähigkeiten mit Video-Streaming niedriger Latenz, um für Unternehmen und ihre Nutzer natürlichere und intuitivere Interaktionen zu schaffen.

Die Ankündigung wurde von Shuo-yiin Chang, Research Scientist, und CJ Zheng, Software Engineer, im Namen des Gemini Audio Teams verfasst. Sie folgt auf die Veröffentlichung von Gemini 3.8 Live in der vergangenen Woche.

Laut Google DeepMind kombiniert Live Avatar die Videogenerierung in nahezu Echtzeit mit Sprache, sodass das System durch eine dynamische visuelle Persona hören, sehen und sprechen kann. Die Funktion ist mit präziser Lippensynchronisation, natürlichen Gesichtsausdrücken und flüssigem Sprecherwechsel konzipiert, um virtuelle Services interaktiver zu gestalten. Zu den von Unternehmen genannten möglichen Einsatzbereichen gehören Kundenservice und interaktive Anleitungen.

Gemini 3.8 Live mit Live Avatar ist ab heute in Gemini Enterprise verfügbar. Die ursprüngliche Ankündigung ist im Google DeepMind Blog zu finden.

Multimodale Gespräche

Google DeepMind erklärte, dass Gespräche von Natur aus multimodal sind – mit Zuhören, visueller Aufmerksamkeit, Sprache und Mimik. Live Avatar bringt diese Fähigkeiten in Unternehmens-Agenten, indem es visuelle und Audioeingaben gleichzeitig verarbeitet und Antworten erzeugt, die ausdrucksstarkes Audio und Video kombinieren.

Das Unternehmen stellte die Funktion so dar, dass sie in nazu Echtzeit aufnimmt, was sie sieht und hört, und dann über Audio und Video antwortet, um natürlichere Gespräche zu unterstützen. Für die von Google DeepMind genannten Szenarien Kundenservice und interaktive Anleitungen bedeutet dies praktisch einen virtuellen Agenten, der auf das reagiert, was ihm gezeigt wird, und in einem einzigen Gespräch mit Stimme und Mimik antwortet.

Hintergrund-Ausführung von Tools

Live Avatar nutzt zudem Geminis Reasoning-Fähigkeiten und asynchrone Tool-Aufrufe. Es kann Tool-Aufrufe auslösen und Daten im Hintergrund abrufen, während ein aktives Gespräch weiterläuft. So lassen sich komplexe Aufgaben bearbeiten, ohne den Dialog zu unterbrechen.

Google DeepMind nannte als Beispiel das Einchecken eines Gastes in einem Hotel – eine Aufgabe, bei der Tools im Hintergrund laufen können, während das Gespräch weitergeht. Für Unternehmen liegt der Wert in der Kontinuität: Kunden erleben ein ununterbrochenes Gespräch, während Datenabruf und Aufgabenausführung unsichtbar im Hintergrund stattfinden.

Unterstützung für 97 Sprachen

Die Funktion umfasst native mehrsprachige Sprache-zu-Sprache-Synchronisation. Laut Google DeepMind kann Live Avatar seine Lippensynchronisation und Mimik dynamisch anpassen, während es zwischen 97 Sprachen wechselt, ohne die Videoqualität zu mindern oder visuelle Abweichungen zu verursachen.

Das Unternehmen demonstrierte auch einen Sprachwechsel mitten im Gespräch, bei dem sich Lippensynchronisation und Mimik des Avatars sprachübergreifend anpassten. Für Unternehmen, die Nutzer in verschiedenen Regionen betreuen, spricht diese Abdeckung – und die Möglichkeit, ohne visuelle Artefakte die Sprache zu wechseln – direkt globale Kundeninteraktionen an.

Anpassbare Avatare

Organisationen können aus einer Bibliothek vorgefertigter Avatare mit unterschiedlichen Erscheinungsbildern, Stimmen und Ausdrucksstilen wählen. Sie können Live Avatare auch so anpassen, dass sie eine Marke oder Charakteridentität widerspiegeln.

Anhand eines hochwertigen Referenzbildes können Entwickler einen voll animierten und reaktionsfähigen Avatar generieren, wobei die Referenzähnlichkeit, das Markenstyling oder die Charakteridentität erhalten bleibt. Google DeepMind teilte mit, dass die Erstellung individueller Avatare derzeit nur über eine Enterprise-Allowlist verfügbar ist; für Organisationen außerhalb dieser Liste bleibt die vorgefertigte Bibliothek die Option.

Watermarking und Sicherheit

Google DeepMind erklärte, Live Avatar enthalte Schutzmaßnahmen, die darauf abzielen, Identität zu respektieren und KI-generierte Inhalte transparent zu halten. Die Ausgaben seiner KI-Produkte sind mit SynthID mit einem Wasserzeichen versehen – einem unsichtbaren Wasserzeichen, das direkt in Audio und Video eingebettet ist.

Das Unternehmen sagte, das Wasserzeichen helfe, KI-generierte Inhalte erkennbar zu halten, und solle dazu beitragen, Fehlinformationen und Falschzuschreibungen zu minimieren. Für Unternehmen, die ausdrucksstarke Video-Personas an Kunden richten, sorgt das Wasserzeichen dafür, dass KI-generierte Interaktionen als synthetisch erkennbar bleiben. Weitere Informationen zum Ansatz des Unternehmens in Sachen Sicherheit und verantwortungsvollem Einsatz finden sich in seiner Modellkarte.

Gemini 3.8 Live mit Live Avatar ist in Gemini Enterprise verfügbar. Google DeepMind verwies Entwickler zudem auf die API-Dokumentation für den Einstieg. Für Teams, die über die vorgefertigte Bibliothek hinaus markenspezifische Avatare wünschen, ist die Enterprise-Allowlist für die Erstellung individueller Avatare das entscheidende Zugangsdetail.