Gemini 3.8 Live with Live Avatar - дополнение к голосовой модели Gemini 3.8 Live, которую компания представила 15 сентября.
Функция почти в реальном времени генерирует видео с персонажем, который ведёт разговор голосом, двигает губами в такт речи и меняет мимику.
Модель одновременно принимает от пользователя видео и звук, поддерживает естественную смену реплик и вызывает внешние инструменты в фоне, не прерывая беседу.
Движения губ и мимика подстраиваются под 97 языков, и, по словам Google, переход с одного на другой не ухудшает картинку.
Персонажа можно выбрать из готовой библиотеки или создать своего по одному изображению с сохранением сходства и фирменного стиля. Создание собственных аватаров пока открыто только корпоративным клиентам по запросу.
Весь аудио- и видеовыход помечается невидимым водяным знаком SynthID. Google предлагает использовать аватар в клиентской поддержке и интерактивных инструкциях.
Функция вышла в общий доступ в Gemini Enterprise и через Gemini Live API.
Видео с аватаром стоит 1 доллар за миллион выходных токенов, секунда ролика расходует примерно 6 тыс токенов, а платить нужно только за время, пока аватар говорит.
Минута его речи обходится в 37 центов за видео плюс 2 цента за голос, входящие звук и видео оплачиваются отдельно.
@ai_machinelearning_big_data
#news #ai #ml