Google DeepMind 於 2026 年 9 月 24 日推出 Gemini 3.8 Live with Live Avatar,為其對話式 AI 新增近即時的視覺形象。此功能將 Gemini 原生的即時對話能力與低延遲串流影片相結合,為企業及其用戶創造更自然、更直覺的互動體驗。

這項公告由研究科學家 Shuo-yiin Chang 與軟體工程師 CJ Zheng 代表 Gemini 音訊團隊撰寫,接續上週 Gemini 3.8 Live 的發布。

根據 Google DeepMind 的說明,Live Avatar 將近即時影片生成與語音相結合,使系統能透過動態視覺形象進行聆聽、觀看與說話。此功能具備精準的唇形同步、自然的面部表情與流暢的對話輪替,可讓虛擬服務更具互動性。該公司所描述的潛在應用包括客戶服務與互動式導覽。

Gemini 3.8 Live with Live Avatar 自即日起已在 Gemini Enterprise 提供。原始公告可於 Google DeepMind 部落格查閱。

更自然的多模態對話

Google DeepMind 表示,對話本質上就是多模態的,涉及聆聽、視覺注意力、語音與面部表情。Live Avatar 透過同時處理視覺與音訊輸入,並生成結合豐富表現力的音訊與影片回應,將這些能力帶入企業代理程式。

該公司展示此功能能夠以近即時接收所見所聞,再透過音訊與影片回應,以支持更自然的對話。在 Google DeepMind 所舉出的客戶服務與互動式導覽情境中,實際效果是虛擬代理能對眼前所呈現的內容作出反應,並在同一場對話中以語音與面部線索回應。

背景工具執行

Live Avatar 亦運用 Gemini 的推理能力與非同步工具呼叫。它可以在持續進行中的對話同時,於背景啟動工具呼叫並擷取資料,使其能在不中斷對話的情況下處理複雜任務。

Google DeepMind 以為飯店住客辦理入住為例,說明工具如何在對話持續進行的同時於背景執行。對企業而言,其價值在於連續性:客戶體驗到不中斷的對話,而資料擷取與任務執行則在幕後完成。

支援 97 種語言

此功能具備原生多語言語音對語音同步能力。Google DeepMind 表示,Live Avatar 可在切換 97 種語言的同時動態調整唇形同步與面部表情,且不會降低影片品質或產生視覺漂移。

該公司亦示範了在對話中途切換語言,虛擬化身的唇形同步與表情能隨語言順暢調整。對於服務跨區域用戶的企業而言,這種覆蓋範圍——以及在不產生視覺瑕疵的情況下切換語言的能力——直接對應全球客戶互動的需求。

可自訂的虛擬化身

組織可以從預設虛擬化身資料庫中選擇不同外觀、語音與表現風格的化身,也可以自訂 Live Avatar 以反映品牌或角色身分。

開發人員可使用高品質參考圖像,生成完全動態化且具回應能力的虛擬化身,同時保留參考圖像的樣貌、品牌風格或角色身分。Google DeepMind 表示,自訂虛擬化身的建立目前僅透過企業白名單開放,未列入名單的組織仍可使用預設資料庫。

浮水印與安全性

Google DeepMind 表示,Live Avatar 內建嚴格的防護措施,旨在尊重身分並保持 AI 生成內容的透明度。其 AI 產品生成的輸出內容皆以 SynthID 進行浮水印標記,這是一種直接嵌入音訊與影片中、肉眼不可察覺的浮水印。

該公司表示,此浮水印有助於使 AI 生成內容保持可偵測性,並旨在協助減少錯誤資訊與錯誤歸因。對於向客戶展示具表現力影片形象的企業而言,此浮水印是讓 AI 生成的互動能被辨識為合成內容的關鍵。有關該公司安全性與負責任部署方式的更多資訊,可參閱其模型卡。

Gemini 3.8 Live with Live Avatar 現已在 Gemini Enterprise 提供。Google DeepMind 也指引開發人員參閱其 API 文件以開始使用。對於希望擁有超越預設資料庫的品牌專屬虛擬化身的團隊,自訂虛擬化身建立的企業白名單是需要關注的存取細節。