Introducing Gemini 3.8 Live with Live Avatar
Introducing Gemini 3.8 Live with Live Avatar
Marked important, but published more than 30 days ago, so it moved down to this band.
On this page12 sections
The full write-up and the editors' notes are in Chinese; the summary above is from the original announcement.
Record
The signal
#发布了什么
Live Avatar 是 Gemini 3.8 Live 的一项功能，不是一个新模型。它把接近实时的视频生成与语音配在一起，让原本只有声音的实时对话带上一个形象：口型对得上，有自然的表情，能流畅地轮流说话。Google 把它定位在企业场景，举的例子是客户服务和交互式讲解。
四项能力
- 同时看和听：对画面和声音的输入一并处理，再用带表情的音视频回应
- 后台调用工具：形象可以在后台发起工具调用、取数据，同时继续对话。演示的例子是给酒店客人办入住
- 多语言：原生的语音到语音同步，对话中途可在 97 种语言间切换，口型与表情随之调整。Google 称视频保真度不下降、画面不漂移
- 自定义形象：除了预置的形象库，企业可以用一张高质量参考图生成完整动画的形象，保留相貌、品牌风格或角色特征
限定条件
- 目前只在 Gemini Enterprise 提供
- 自定义形象只对进入企业白名单的客户开放
- 所有输出带 SynthID 水印，嵌在音频和视频里，肉眼和耳朵察觉不到
公告没有说的
公告没有给出延迟数字，用的是「接近实时」；没有给出价格；也没有说明工具调用在后台运行时，形象会怎样处理等待——是继续闲聊、明说正在查询，还是别的方式。这些恰好是判断它能不能上线的关键。
为什么放在这里
本站记过 GPT-Live 把实时语音做成了一个模型，也记过语音评测基准 VoiceEQ 怎样衡量语音交互里的「人味」。这一条是同一条线往前一步：实时对话开始带上脸。它也把一个老问题重新摆上桌面——后台调工具而不打断对话，意味着用户在听到结果之前，对话已经往前走了几句。
Why now
Why it matters
#实时语音助手的体验已经被几家做到可用，下一步的差异在于能不能一边说话一边办事。把工具调用放到后台、让对话不中断，是交互设计上的一个明确选择，也带来新的问题：结果回来时，对话已经不在原处。
Background
Technical context
#实时对话模型直接处理和生成语音，不经过「转文字、生成、再合成」的三段流程，所以能保留语气并随时被打断。异步工具调用是指模型发起调用后不等结果就继续生成，结果到达后再并入对话。SynthID 是 Google 的水印技术，把标识嵌进生成内容本身。
Audience
Who should care
#Next
Learning path
#- 先读本站 GPT-Live 那一条：实时语音模型与三段式流程差在哪里
- 读《副语言信号与语音交互》：语气、停顿和表情各自传递什么
- 读《交互系统中的延迟权衡》：多长的等待会让对话断掉
- 为你的场景列出工具调用的典型耗时，想一想这段时间里形象应该做什么
Network
Where it sits in the network
#How this signal connects to neighbouring technologies, skills and background knowledge. Follow any link to keep exploring.
Further thought
Follow-up questions
#- 工具调用需要几秒时，你希望形象在这段时间里做什么？
- 你的用户会不会因为对面有一张脸而期待更高的准确度？
- 合成形象需要向用户明示吗，你所在的地区有没有相关规定？
Publication record
Featured in
#The briefings that carried this signal, newest first; the last row is the weekly review of its week. The tag is the section it ran in.
技术简报 - 2026-09-28
Immediate attentionWeekly review · Sep 21 – Sep 27
Worth tracking
Sources