Valós idejű videóval és hanggal válaszol a Google Gemini 3.8 Live Avatarja

A Google bemutatta a Gemini 3.8 Live Avatarját, amely a cég élő párbeszédet folytató modelljeihez ad vizuális jelenlétet. Az új funkció valós idejű videógenerálást és beszédet párosít, így az avatarok képesek pontos ajakszinkronizációval, természetes arckifejezésekkel és gördülékeny váltásokkal kommunikálni. (Google DeepMind)

A Live Avatar a Gemini Enterprise csomag részeként érhető el. A funkció célja, hogy interaktívabbá tegye a digitális ügyfélszolgálatot és a bemutatókat, gazdagabbá és hozzáférhetőbbé téve a digitális interakciókat. A Google szerint a technológia képes felismerni a látottakat és hallottakat, majd ezekre reagálni vizuálisan és hanggal.

Az újítás az aszinkron eszközök meghívását is támogatja, ami lehetővé teszi, hogy az avatarok a háttérben adatokat gyűjtsenek vagy feladatokat hajtsanak végre, miközben a párbeszéd folyamatos marad. Ez komplex feladatok kezelését teszi lehetővé megszakítás nélkül.

A Live Avatar natív többnyelvű beszéd-beszéd szinkronizációt kínál, amely dinamikusan alkalmazkodik a 97 nyelvhez anélkül, hogy a videó minősége romlana vagy vizuális sodródás következne be. A funkció képes a nyelvek közötti zökkenőmentes váltásra beszélgetés közben is.

A vállalatoknak lehetőségük van saját márkájukhoz illeszkedő avatárok testreszabására egy referencia kép alapján, megőrizve a hasonlóságot és a márka stílusát. Az egyedi avatárok létrehozása jelenleg csak vállalati engedélyezési listán keresztül érhető el.

Az AI-generált tartalmak átláthatóságáért minden kimenet SynthID vízjellel van ellátva, amely segít azonosítani a mesterséges intelligencia által létrehozott tartalmakat, minimalizálva a félretájékoztatást. A Gemini 3.8 Live Avatarja már elérhető a Gemini Enterprise-ban.