🚀 Google добавила к Gemini 3.8 Live говорящий аватар

Gemini 3.8 Live теперь может вести диалог с видеоаватаром: модель одновременно обрабатывает аудио и изображение, а в ответ генерирует речь и мимику почти в реальном времени. Google DeepMind заявляет о синхронизации губ на 97 языках, включая переключение между языками в ходе разговора.

Практически интереснее не лицо на экране, а асинхронный вызов инструментов: аватар может запрашивать данные в фоновом режиме, пока беседа продолжается. Google приводит пример регистрации гостя в отеле, но независимых данных о задержках и качестве такого сценария в проде в публикации нет.

Функция доступна в Gemini Enterprise; собственные аватары по референсному изображению пока создают только организации из списка разрешённых. Google также встраивает SynthID в аудио и видео, чтобы маркировать сгенерированный контент.

Для команд, которые внедряют голосовые интерфейсы на русском, включая продукты вокруг YandexGPT и GigaChat, полезно проверять не только качество речи, но и то, сохраняет ли система темп диалога во время фоновых запросов.

Аватар делает интерфейс заметнее, но не обязательно полезнее: ценность решит не реалистичность лица, а то, насколько надёжно система выполняет задачу, не заставляя пользователя ждать и повторять запрос.

Google DeepMind
#Gemini38 #GoogleDeepMind #LiveAvatar #мультимодальность #SynthID