Google DeepMind presentó Gemini 3.8 Live con Live Avatar el 24 de septiembre de 2026, incorporando presencia visual casi en tiempo real a su IA conversacional. La función combina las capacidades nativas de diálogo en vivo de Gemini con video en streaming de baja latencia para crear interacciones más naturales e intuitivas para las empresas y sus usuarios.

El anuncio fue escrito por Shuo-yiin Chang, científico de investigación, y CJ Zheng, ingeniero de software, en nombre del equipo de audio de Gemini. Sigue al lanzamiento de Gemini 3.8 Live de la semana pasada.

Según Google DeepMind, Live Avatar combina la generación de video casi en tiempo real con la voz, de modo que el sistema puede escuchar, ver y hablar a través de una persona visual dinámica. La función está diseñada con sincronización labial precisa, expresiones faciales naturales y una fluida alternancia de turnos, lo que permite hacer los servicios virtuales más interactivos. Entre los posibles usos descritos por la compañía se incluyen la atención al cliente y los recorridos interactivos.

Gemini 3.8 Live con Live Avatar está disponible a partir de hoy en Gemini Enterprise. El anuncio original está disponible en el blog de Google DeepMind.

Conversaciones multimodales

Google DeepMind señaló que la conversación es inherentemente multimodal, e implica escuchar, atención visual, habla y expresiones faciales. Live Avatar lleva estas capacidades a los agentes empresariales al procesar entradas visuales y de audio simultáneamente y generar respuestas que combinan audio y video expresivos.

La compañía presentó la función como capaz de captar lo que ve y escucha en tiempo casi real, y luego responder mediante audio y video para sostener conversaciones más naturales. Para los escenarios de atención al cliente y recorridos interactivos citados por Google DeepMind, el efecto práctico es un agente virtual que reacciona a lo que se le muestra y responde con voz y señales faciales en una misma conversación.

Ejecución de herramientas en segundo plano

Live Avatar también utiliza las capacidades de razonamiento de Gemini y las llamadas asíncronas a herramientas. Puede iniciar llamadas a herramientas y recuperar datos en segundo plano mientras continúa una conversación activa. Esto le permite manejar tareas complejas sin interrumpir el diálogo.

Google DeepMind dio como ejemplo el check-in de un huésped en un hotel, una tarea en la que las herramientas pueden ejecutarse en segundo plano mientras la conversación continúa. Para las empresas, el valor es la continuidad: los clientes experimentan una conversación ininterrumpida mientras la recuperación de datos y la ejecución de tareas ocurren sin ser vistas.

Soporte para 97 idiomas

La función incluye sincronización nativa multilingüe de voz a voz. Google DeepMind afirmó que Avatar puede adaptar dinámicamente su sincronización labial y sus expresiones faciales al cambiar entre 97 idiomas, sin degradar la fidelidad del video ni generar desvíos visuales.

La compañía también demostró el cambio de idioma en medio de una conversación, con la sincronización labial y las expresiones del avatar adaptándose entre idiomas. Para las empresas que atienden a usuarios en distintas regiones, esa cobertura —y la capacidad de cambiar de idioma sin artefactos visuales— impacta directamente en las interacciones con clientes a nivel global.

Avatares personalizables

Las organizaciones pueden elegir entre una biblioteca de avatares prediseñados con distintas apariencias, voces y estilos expresivos. También pueden personalizar sus Live Avatars para reflejar una marca o identidad de personaje.

A partir de una imagen de referencia de alta calidad, los desarrolladores pueden generar un avatar completamente animado y receptivo, preservando el parecido de la referencia, el estilo de la marca o la identidad del personaje. Google DeepMind indicó que la creación de avatares personalizados actualmente está disponible solo a través de la lista de permisos empresarial, quedando la biblioteca prediseñada como la opción para las organizaciones fuera de esa lista.

Marcas de agua y seguridad

Google DeepMind indicó que Live Avatar incluye salvaguardas diseñadas para respetar la identidad y mantener transparente el contenido generado por IA. El resultado generado por sus productos de IA lleva una marca de agua con SynthID, una marca imperceptible incrustada directamente en el audio y el video.

La compañía señaló que la marca de agua ayuda a mantener detectable el contenido generado por IA y busca contribuir a minimizar la desinformación y la atribución errónea. Para las empresas que presentan personas de video expresivas frente a los clientes, la marca de agua es lo que mantiene las interacciones generadas por IA identificables como sintéticas. Más información sobre el enfoque de la compañía en seguridad y despliegue responsable está disponible en su ficha de modelo.

Gemini 3.8 Live con Live Avatar está disponible en Gemini Enterprise. Google DeepMind también dirigió a los desarrolladores a su documentación de API para comenzar. Para los equipos que deseen avatares específicos de marca más allá de la biblioteca prediseñada, la lista de permisos empresarial para la creación de avatares personalizados es el detalle de acceso a seguir.