鲸云网9月25日消息，据媒体报道，谷歌把实时语音对话模型 Gemini 3.8 Live 接上了一张会说话的脸。新推出的 Live Avatar 功能已在 Gemini Enterprise 中正式开放，让企业的客服、导览类智能体在网页、手机和交互大屏上，以接近实时的视频形象与用户看、听、说。它按发言同步口型、切换表情，还能在 97 种语言之间无缝转换而口型不崩。
这套能力的底座是原生语音到语音对话框架。和早先先把语音转文字再生成回复的两段式链路不同，Live Avatar 直接处理画面与声音的混合输入，并在后台异步调用工具——比如酒店办理入住时，它能一边确认信息、一边向系统拉取订单，对话全程不卡顿。流畅的中断恢复也保留了上下文，不会因为插话丢掉后台事务。谷歌强调，所有生成的音视频流都嵌入 SynthID 隐形水印，方便事后识别为 AI 合成内容。
真正值得留意的是企业定制的门槛。谷歌把自定义形象锁在白名单之后：想用一张参考图生成某个特定代言人或吉祥物的脸，必须经过企业级审核与验证。这一道闸口，实质是对拿真人照片批量造分身的防堵，也侧面说明实时虚拟人正从玩具走向银行网点、航司柜台这类高合规场景。第三方评测显示，Gemini 3.8 Live 在语音榜单拿到 82.6 分，已落地 Autotrader 购车助手、保险理赔 intake 等用例。
不过官方模型卡也坦白，Live Avatar 目前单次交互只能维持几分钟，可能出现幻觉或超时，Extended Thinking 版本仍处私有预览。横向看，谷歌这套语音、记忆、视觉加实时人脸正按月节奏拼装成一体，与已开测的谷歌Gemini 4 Pro和国内开源的千问Qwen-Image-2.1处在同一条多模态 Agent 赛道。当合成面孔被录屏、被二次转码，水印能否留存，才是监管真正会追问的点。
编辑：华磊
免责声明：本站转载的文章，版权归原作者所有；旨在传递信息，不代表本站的观点和立场。
