Qué se ha añadido
Google ha añadido vídeo en tiempo real a su modelo conversacional en vivo. Gemini 3.8 Live con Live Avatar, anunciado el jueves, genera una cara que habla mientras el modelo habla, con sincronización labial, expresión facial y alternancia de turnos tratadas dentro del mismo flujo y no añadidas después.
Lo llamativo es la cifra de idiomas. Google dice que el sistema maneja 97 lenguas con sincronización nativa de voz a voz, y adapta el movimiento de los labios y la expresión cuando una conversación cambia de idioma a mitad. También admite llamadas a herramientas asíncronas, de modo que el avatar puede seguir hablando mientras el sistema busca algo de fondo: el silencio incómodo en una llamada con un agente es tanto un problema de producto como técnico.
El lanzamiento llega un día después de que Google publicara nuevos modelos de texto a voz de Gemini 3.8 con más de 2.000 voces, de modo que la capa de voz y la de la cara aparecieron con veinticuatro horas de diferencia. Juntas describen una dirección de producto más que dos funciones: Google está montando un asistente que puede desplegarse como una presencia y no como una caja de texto.
Dónde funciona y quién puede cambiar la cara
Es un lanzamiento empresarial y no de consumo. Live Avatar está disponible con carácter general en Gemini Enterprise, con puntos de acceso en Estados Unidos y la Unión Europea, capacidad reservada y el aparato de cumplimiento que eso implica. Google no publicó precios con el anuncio.
Los clientes pueden elegir entre avatares predefinidos, y las empresas de una lista autorizada pueden generar uno propio a partir de una imagen de referencia. Esa segunda opción es la que tiene consecuencias: una lista autorizada es una política, no un límite técnico, y es lo único que separa esto de una cara generada que se parece a una persona concreta.
La marca de agua y lo que no hace
Google dice que toda la salida lleva marca de agua SynthID, en audio y en vídeo. Es una medida real y parcial. SynthID está diseñada para sobrevivir al manejo ordinario y para que la detecten las herramientas de Google; no es un mecanismo de consentimiento y no hace nada frente a un vídeo regrabado desde una pantalla.
Qué vigilar
Tres cosas mostrarán si esto es un producto o una demostración. Si Google publica precios por minuto, porque generar vídeo en tiempo real es caro de servir. Si la lista autorizada para avatares propios tiene criterios publicados o se concede caso por caso. Y si alguno de los 97 idiomas llega con cifras de calidad, porque una sincronización labial que funciona en inglés y falla en hindi es un producto distinto en cada mercado.
