.ru
Google добавила к своим разговорным моделям визуальное присутствие. Режим Live Avatar соединяет живой диалог с потоковым видео низкой задержки, поэтому собеседник на экране слушает, смотрит и отвечает голосом с синхронной мимикой. Анонс вышел через неделю после запуска Gemini 3.8 Live, и это логичное продолжение той же линейки.
Аватар слушает, смотрит и отвечает
Live Avatar обрабатывает видео и звук одновременно. Модель синхронизирует губы, подстраивает выражения лица и держит естественную смену реплик. Google показывает это на примере стойки регистрации в отеле, где аватар общается с гостем и попутно выполняет служебные действия.
За визуальной частью стоит рассуждающая модель Gemini. Асинхронный вызов инструментов позволяет аватару запускать фоновые запросы и забирать данные, не прерывая разговор. Для сценариев вроде оформления брони или проверки статуса заказа это важнее, чем сама картинка.
97 языков без визуальных сбоев
Перевод речи в речь работает нативно. Аватар меняет язык прямо по ходу беседы, подстраивая артикуляцию и мимику, и Google заявляет переходы между 97 языками без потери качества видео и без визуального дрейфа. Обещание сильное, но проверяется оно только на живых диалогах с реальными акцентами, а не на демонстрационных роликах.
Свой аватар только по списку
Помимо библиотеки готовых персонажей с разной внешностью и голосом, организациям дают собрать собственный аватар. Из качественного референсного изображения разработчик получает анимированного персонажа с сохранением внешности, фирменного стиля или образа героя. Создание своих аватаров пока доступно только через корпоративный список допуска, то есть открытым для всех этот сценарий не стал.
SynthID во всех аудио и видео
Весь контент, который генерируют продукты Google, помечается водяным знаком SynthID. Метка встраивается прямо в аудио и видео и остаётся незаметной для глаза и слуха, но распознаётся инструментами проверки. Для компаний, которые поставят аватара на клиентскую линию, это снимает часть вопросов о подмене личности и происхождении записи.
Что это даёт владельцам сервисов
Живой аватар меняет планку для онлайн-поддержки. Если раньше визуальный помощник на сайте был статичной картинкой с текстовым полем, теперь конкурировать придётся с собеседником, который смотрит в камеру и отвечает голосом. Стоит заранее решить, где такой формат уместен. Для записи на услугу или разбора заявки он экономит время, а для быстрой справки на две строки остаётся избыточным.
Enterprise как единственная дверь
Режим доступен в Gemini Enterprise, документация по API открыта для разработчиков. Отдельной потребительской версии в анонсе нет, и это расставляет приоритеты. Google продаёт аватара компаниям, а не подписчикам чат-бота, поэтому массовый пользователь увидит его разве что на стороне чужого сервиса.
Главный вопрос к Live Avatar не в качестве картинки, а в задержке на реальных каналах связи и в цене за минуту такого диалога. Ни того, ни другого Google в анонсе не называет.
