Google DeepMind 推出 Gemini 3.8 Live with Live Avatar

2026 年 9 月 24 日

|

搭载 Live Avatar 的 Gemini 3.8 Live 为 Gemini 的对话式 AI 带来实时视觉呈现。通过将我们的实时对话能力与低延迟流式视频原生结合，Live Avatar 为企业及其用户提供更自然、更直观的对话体验。

Shuo-yiin Chang

研究科学家

CJ Zheng

软件工程师，代表 Gemini Audio Team

继上周 Gemini 3.8 Live 发布后，今天我们很高兴推出搭载 Live Avatar 的 Gemini 3.8 Live——为我们的原生实时对话模型带来近乎实时的视觉呈现。通过将近乎实时的视频生成与语音相结合，Live Avatar 功能打造出一种能够聆听、观看并以动态视觉形象说话的体验。

凭借精准的唇形同步、自然的表情和流畅的轮次交替，Live Avatar 使企业能够以更具互动性的方式扩展其虚拟服务。无论是提供引人入胜的客户服务，还是交付交互式演示，它都能将数字交流转化为更丰富、更易于访问的体验。

从今天开始，搭载 Live Avatar 的 Gemini 3.8 Live 已在 Gemini Enterprise 中推出。

了解搭载 Live Avatar 的 Gemini 3.8 Live 如何支持多种角色，每个角色都拥有独特的外观、声音和富有表现力的呈现。

更自然的多模态对话

对话本质上是多模态的：我们通过倾听、观察、说话和使用面部表情来交流。Live Avatar 将这些能力带给企业智能体。通过同时处理视觉和音频输入，它能够生成更丰富的对话，带来更全面的体验。

观看搭载 Live Avatar 的 Gemini 3.8 Live 如何近乎实时地接收所见所闻，并以富有表现力的音频和视频作出回应，从而实现更自然的对话。

具备持续呈现的异步工具执行

除了视觉呈现之外，该功能还由 Gemini 的高级推理能力提供支持。借助异步工具调用，Live Avatar 可以在持续进行主动对话的同时，在后台触发工具调用并获取数据，从而处理复杂任务并确保对话流程不中断。

了解搭载 Live Avatar 的 Gemini 3.8 Live 如何处理复杂任务，例如为酒店客人办理入住。在对话持续不中断的同时，在后台调用工具。

为全球规模打造的对话体验

对话呈现应当感觉自然，并且不应受语言限制。Live Avatar 具备原生多语言语音到语音同步能力。该功能会动态调整唇形同步和表情，并可在 97 种语言之间无缝切换，而不会降低视频保真度或引入视觉漂移。

观看 Gemini 3.8 Live Avatar 如何在对话中途切换语言，唇形同步和表情可在 97 种语言之间无缝适配。

适合你品牌需求的 Live Avatar

组织通常需要独特的视觉身份来契合其品牌。除了多样化预设头像库之外，组织还可以自定义自己的 Live Avatar。开发者可以从一张高质量参考图像生成一个完全动画化、响应灵敏的头像，同时保留参考相似度、品牌风格或角色身份。自定义头像创建目前仅通过企业许可名单提供。

以信任和透明为核心

我们构建 Live Avatar 时采用了严格的安全防护措施，旨在尊重身份，并保持 AI 生成内容的透明度。我们 AI 产品生成的所有输出都带有 SynthID 水印。这种不可感知的水印直接嵌入到音频和视频输出中，有助于确保 AI 生成内容保持可检测，从而帮助最大限度减少错误信息和错误归因。要了解我们在安全和负责任部署方面的全面方法，请阅读我们的模型卡。

开始使用搭载 Live Avatar 的 Gemini 3.8 Live

搭载 Live Avatar 的 Gemini 3.8 Live 已在 Gemini Enterprise 中提供。浏览 API 文档以开始使用。