Представляем Gemini 3.8 Live с живыми аватарами

Главный смысл: Google представила Gemini 3.8 Live with Live Avatar — корпоративного разговорного агента, который воспринимает звук и изображение и отвечает голосом с синхронизированным видеоаватаром. Компания рассчитывает использовать визуальное присутствие в поддержке клиентов и интерактивных инструкциях, но статья не даёт независимых данных о том, насколько это улучшает работу агента.

• Доступ. В публикации от 24 сентября Google сообщает, что функция уже доступна в Gemini Enterprise. Создание собственного аватара по эталонному изображению пока открыто только организациям из специального списка доступа; остальным предлагается библиотека готовых персонажей.
• Диалог без пауз. По описанию компании, агент одновременно обрабатывает аудио и видео, согласует движения губ и мимику с речью, а запросы к внешним инструментам выполняет в фоне, продолжая разговор. В статье показан пример регистрации гостя в гостинице, но измерений задержки ответа нет.
• Языки и маркировка. Google заявляет о переключении между 97 языками во время разговора без рассинхронизации изображения. Компания также сообщает, что сгенерированные звук и видео получают невидимый водяной знак SynthID. Это описание механизма маркировки, а не подтверждение того, что любую изменённую запись удастся надёжно распознать.

Что дальше: Для оценки пригодности продукта нужны независимые проверки задержки, синхронизации при смене языка и работы инструментов в длинных диалогах. Стоит следить и за правилами создания аватаров по изображению человека — в частности, как будет проверяться его согласие. В статье нет цены, данных о нагрузке и результатов испытаний защиты от злоупотреблений, поэтому практическая надёжность внедрения пока не подтверждена.