詳細を読む
Googleは2026年9月24日、音声と映像をほぼリアルタイムで生成する「Gemini 3.8 Live with Live Avatar」をGemini Enterpriseで一般提供しました。利用者の声や映像を同時に処理し、アバターが口の動きや表情を合わせて応答します。企業の接客や案内を、より自然な対話形式にする狙いです。
Live Avatarは、自然な表情と滑らかな話者交代を組み合わせ、会話相手として動的に反応します。Googleによると、会話の途中でも97言語を切り替えられ、映像品質や見た目の一貫性を保ちながら口の動きと音声を同期します。
非同期のツール呼び出しにも対応し、会話を続けたまま裏側でデータを取得できます。Googleは、ホテルの宿泊客をチェックインさせる場面を、複雑な業務を中断なく処理する例として示しました。
企業は既製のアバター群から選べるほか、高品質な参照画像を基にブランド独自の外見やキャラクターを作れます。ただし、独自アバターの作成機能は現時点で、許可を得た企業だけが利用できます。
生成した音声と映像には、AI生成物を識別しやすくする不可視の電子透かし「SynthID」が付与されます。導入企業には、接客体験の向上だけでなく、ブランド表現と本人性への配慮を両立する運用設計が重要になります。