Google が、会話する AI に見た目を足した「Gemini 3.8 Live with Live Avatar」を公開した。音声とほぼ同時に映像を作り、97言語で口の動きと表情を合わせる。企業向けの Gemini Enterprise で発表と同日から使える。料金は発表に無い。
- Google が2026年9月24日（米国時間）、対話のモデル「Gemini 3.8 Live」に見た目を足した「Gemini 3.8 Live with Live Avatar」を公開した。ほぼ実時間の映像の生成と音声を組み合わせ、聞き、見て、話す相手を作るものだとしている。前の週に出した Gemini 3.8 Live の上に載せた機能
- 口の動きの合わせ方、自然な表情、話し手の入れ替わりを備え、企業が顧客対応や手順の案内をより対話的にできるとしている
- 97言語に対応する。会話の途中で言語が変わっても、映像の品質を落とさず、映像のずれも出さずに口の動きと表情を合わせ直すとしている
- 道具の呼び出しを非同期でできる。背景でデータを取りに行きながら会話を続けられるため、手順の多い用事でも会話が途切れないとしている。ホテルの受付の手続きを例に挙げている
- あらかじめ用意されたアバターのほか、品質の高い参照画像1枚から、元の面立ち・ブランドの見せ方・人物像を保ったまま動くアバターを作れる。ただし独自のアバターを作れるのは、いまのところ企業向けの個別の許可を得た場合だけ
- 出力される音声と映像には、気づかれない形の電子透かし SynthID が入る。提供は Gemini Enterprise で発表と同日から。API の単価も、月額プランの料金や利用上限も、この発表には書かれていない
確かめた一次資料
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。