Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

2026年9月24日

|

Gemini 3.8 Live with Live Avatar 为 Gemini 的对话式 AI 带来了实时视觉呈现。通过将我们的实时对话能力与低延迟流式视频原生耦合，Live Avatar 为企业及其用户带来了更自然、更直观的对话体验。

Shuo-yiin Chang

研究科学家

CJ Zheng

软件工程师，代表 Gemini Audio 团队

继上周 Gemini 3.8 Live 发布后的强劲势头，今天我们很高兴推出 Gemini 3.8 Live with Live Avatar——为我们的原生实时对话模型带来近乎实时的视觉呈现。通过将近乎实时的视频生成与语音相结合，Live Avatar 功能打造出一种能够聆听、观看并以动态视觉形象开口说话的体验。

凭借精准的唇形同步、自然的表情和流畅的轮流对话，Live Avatar 使企业能够以更具互动性的方式扩展其虚拟服务。无论是提供引人入胜的客户服务，还是交付互动式导览，它都能将数字交流转变为更丰富、更易获取的体验。

从今天起，Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 中提供。

了解 Gemini 3.8 Live with Live Avatar 如何支持各种各样的角色，每个角色都有独特的外貌、声音和富有表现力的形象。

更自然、更多模态的对话

对话本质上是多模态的：我们通过聆听、观看、说话以及使用面部表情来交流。Live Avatar 将这些能力带给了企业智能体。通过同时处理视觉和音频输入，它能够生成丰富的对话，带来更全面的体验。

观看 Gemini 3.8 Live with Live Avatar 如何近乎实时地接收它所看到和听到的内容，并以富有表现力的音频和视频作出回应，从而实现更自然的对话。

异步工具执行与持续在场

除了视觉呈现之外，该功能还由 Gemini 的先进推理能力提供支持。借助异步工具调用，Live Avatar 可以在继续活跃对话的同时，在后台触发工具调用并获取数据，在处理复杂任务的同时确保对话流程不中断。

了解 Gemini 3.8 Live with Live Avatar 如何处理诸如为酒店客人办理入住等复杂任务。在对话不间断进行的同时在后台调用工具。

为全球规模打造的对话体验

对话式呈现应当感觉自然，而不应受语言限制。Live Avatar 具备原生多语言语音到语音同步能力。该功能可动态调整其唇形同步和表情，并能在 97 种语言之间无缝切换，而不会降低视频保真度或引入视觉漂移。

观看 Gemini 3.8 Live Avatar 如何在对话中途切换语言，唇形同步和表情在 97 种语言之间无缝适配。

契合您品牌需求的 Live Avatar

组织通常需要独特的视觉形象来契合其品牌。除了多样化的预设虚拟形象库之外，组织还可以自定义其 Live Avatar。开发者可以从一张高质量参考图像生成一个完全动画化、可响应的虚拟形象，同时保留参考相似度、品牌风格或角色身份。自定义虚拟形象创建目前仅通过企业白名单提供。

以信任和透明为核心

我们构建 Live Avatar 时采用了严格的防护措施，旨在尊重身份，并保持 AI 生成内容的透明度。我们 AI 产品生成的所有输出都带有 SynthID 水印。这种不可感知的水印直接编织到音频和视频输出中，有助于确保 AI 生成内容可被检测，从而帮助减少错误信息和错误归属。要了解我们在安全与负责任部署方面的全面方法，请阅读我们的模型卡。

开始使用 Gemini 3.8 Live 与 Live Avatar

Gemini 3.8 Live 与 Live Avatar 已在 Gemini Enterprise 中提供。探索 API 文档以开始使用。