Elérhetővé vált a Gemini 3.8 Live Live Avatar funkcióval

Hang, videó és háttérben futó műveletek egy rendszerben

A Google Cloud szeptember 25-i bejelentése szerint a Gemini 3.8 Live Live Avatar változata készen áll a vállalati éles használatra. A technológiát először a Google Cloud Next 2026 rendezvényen mutatták be előzetesen.

A Gemini 3.8 Live natív beszéd és beszéd közötti működésre épül, így a Google szerint természetesebb párbeszédet tesz lehetővé. A rendszer képes kezelni a megszakításokat úgy, hogy közben megőrzi a beszélgetés és a háttérben futó tranzakciók kontextusát.

A Live Avatar funkció interaktív vizuális jelenlétet ad a társalgó videós ügynökökhöz weben, mobileszközökön és interaktív kioszkokon. A videóavatárok szinkronizált szájmozgással jelennek meg. Egyedi avatár csak engedélyezési listán keresztül használható.

A modell a beszélgetés folytatása közben eszközöket és API-kat is futtathat a háttérben. Így jelezheti a felhasználónak, hogy foglalkozik a kérésével, miközben a szükséges feladatok befejeződnek.

97 nyelv és élő vizuális értelmezés

A Gemini 3.8 Live 97 nyelvet ért és beszél, automatikus nyelvfelismeréssel. A Google Cloud szerint ez lehetővé teszi, hogy a hangalapú ügynökök többnyelvű beszélgetéseket kezeljenek.

A rendszer az élő kameraképeket és a képernyőmegosztásokat is fel tudja dolgozni a hang mellett, egyidejűleg. A Google egyik bemutatója egy biztosítási kárbejelentést szemléltet: a felhasználó beszél, közben megmutatja a sérülést a kamerával, az ügynök pedig kitölti a kárfelvételi jegyzetet. A háttérben egy ADK-ügynökökből álló csapat ellenőrzi a kötvényt, alkalmazza a felvételi szabályokat, és összeállítja a kárszakértői csomagot.

További bemutatókban egyedi avatár létrehozása, valamint Google ADK-val és a Gemini Live API-val készített valós idejű hangalapú ügynök szerepel. A fejlesztők az ADK-val ügynököket, futtatókat és munkamenet-memóriát kezelhetnek, majd közvetlenül a Gemini Live API-ba továbbíthatják a valós idejű hangot hagyományos beszéd-szöveg átalakítási folyamat nélkül.

Vállalati végpontok, védelem és ügyfélpéldák

A Gemini 3.8 Live Live Avatar funkcióval amerikai és európai végpontokon érhető el, biztosított kapacitással, vállalati megfeleléssel és szigorú adatirányítással. A Gemini 3.8 Live Extended Thinking továbbra is privát előzetesben van.

Az identitás védelmére és a visszaélések megelőzésére a vállalatok válogatott, előre elkészített avatárok könyvtárából választhatnak. Egyedi avatár létrehozása szigorú vállalati engedélyezési és ellenőrzési folyamathoz kötött. A Google Cloud közlése szerint minden létrehozott hang- és videófolyam észrevehetetlen SynthID-vízjeleket tartalmaz, amelyek az AI által generált tartalom átláthatóságát és ellenőrizhetőségét szolgálják.

A Cox Automotive az Autotrader számára készített AI-alapú vásárlási asszisztenst. Ez élő képernyőkiemeléssel és eszközhívásokkal segíti az autókeresést, az összehasonlítást és a finanszírozást természetes beszélgetésben. Az Equal AI vezérigazgatója szerint a vállalat rendszere naponta több mint egymillió élő hívást kezel kilenc indiai nyelven, a Gemini 3.8 Live pedig javította a megszakítások kezelését, a többnyelvű beszélgetéseket és az eszközhívások megbízhatóságát.

A Google Cloud a Gemini Enterprise mellett API-dokumentációt és árazási információkat is biztosít az induláshoz. A vállalati ügyfelek a Gemini Live API-val kezdhetik meg az integrációt, a provisioned throughput aktiválásához, egyedi telepítési architektúrákhoz és egyedi avatárok engedélyezéséhez pedig Google Cloud értékesítési képviselőjéhez fordulhatnak.