Vad som lagts till
Google har lagt till video i realtid i sin livemodell för samtal. Gemini 3.8 Live med Live Avatar, som presenterades på torsdagen, genererar ett talande ansikte medan modellen talar, med läppsynk, ansiktsuttryck och turtagning hanterade i samma ström i stället för påklistrade efteråt.
Språksiffran är det som sticker ut. Google uppger att systemet hanterar 97 språk med inbyggd synkronisering från tal till tal, och anpassar läpprörelser och uttryck när ett samtal byter språk mitt i. Det stöder också asynkrona verktygsanrop, så att avataren kan fortsätta tala medan systemet hämtar något i bakgrunden — den obekväma tystnaden i ett agentsamtal är lika mycket ett produktproblem som ett tekniskt.
Släppet kommer dagen efter att Google publicerat nya text-till-tal-modeller i Gemini 3.8 med mer än 2 000 röster, så röstlagret och ansiktslagret kom med ett dygns mellanrum. Tillsammans beskriver de en produktriktning snarare än två funktioner: Google bygger en assistent som kan driftsättas som en närvaro och inte som en textruta.
Var det körs och vem som får byta ansikte
Det här är ett företagssläpp, inte ett konsumentsläpp. Live Avatar är allmänt tillgänglig i Gemini Enterprise, med slutpunkter i USA och EU, reserverad kapacitet och den efterlevnadsapparat det innebär. Google publicerade inga priser i samband med beskedet.
Kunder kan välja bland färdiga avatarer, och företag på en godkännandelista kan skapa en egen utifrån en referensbild. Det andra alternativet är det som får följder: en godkännandelista är en policy, inte en teknisk gräns, och den är det enda som skiljer detta från ett genererat ansikte som liknar en bestämd person.
Vattenstämpeln och vad den inte gör
Google uppger att all utdata vattenstämplas med SynthID, i både ljud och video. Det är en verklig åtgärd och en ofullständig. SynthID är byggd för att överleva vanlig hantering och för att kunna upptäckas av Googles egna verktyg; den är inget samtyckesmekanism och gör ingenting åt en video som filmats av från en skärm.
Att bevaka
Tre saker visar om detta är en produkt eller en demonstration. Om Google publicerar minutpriser, eftersom videogenerering i realtid är dyr att leverera. Om godkännandelistan för egna avatarer har uttalade kriterier eller beviljas från fall till fall. Och om något av de 97 språken kommer med kvalitetssiffror, för en läppsynk som fungerar på engelska och glappar på hindi är olika produkter på olika marknader.
