«Приоритет сместился на качество взаимодействия»: Gemini 3.8 Live with Live Avatar вышел в общий доступ

Что именно стало общедоступным

Google Cloud объявила о переводе Gemini 3.8 Live with Live Avatar в общий доступ: функция доступна корпоративным клиентам в Gemini Enterprise, а технологию впервые показали на Google Cloud Next 2026. Материал в корпоративном блоге подписан Fabien Blanc-paques, Group Product Manager, Gemini Live.

Объявление вышло неделей позже анонса Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking. В общий доступ ушла именно связка с Live Avatar: Extended Thinking остаётся в приватном превью.

Аватары, инструменты и языки

В объявлении перечислены пять возможностей. Видеоаватар: Live Avatar генерирует видеоаватары с синхронизированной лицевой анимацией, а функция собственного аватара доступна только по allowlist. Живой диалог: нативный speech-to-speech даёт более естественное восстановление после перебивания — без потери контекста разговора и незавершённых операций на бэкенде.

Вызовы инструментов и API выполняются в фоне: модель подтверждает запрос и продолжает разговор, пока задача доделывается. Отдельно заявлены 97 языков с автоматическим определением языка и живое визуальное понимание — камера и демонстрация экрана обрабатываются одновременно со звуком.

В блоге Google, куда ведёт маршрут Google DeepMind, объясняют, как это выглядит в разговоре: аватар переключается между языками прямо посреди диалога, адаптируя лицевую анимацию и выражения, и делает это без потери качества видео и визуального дрейфа. Публикацию подписали Shuo-yiin Chang, research scientist, и CJ Zheng, software engineer, от имени команды Gemini Audio.

Три демонстрации

В блоге Google Cloud разобраны три сценария. Первый — интерактивный аватар: системные инструкции, одна референсная фотография и образец аудио. Второй — приём страховых заявок: клиент показывает повреждение в камеру, блокнот заявки заполняется на ходу, а агентная команда на Google ADK проверяет полис, применяет правила приёма и собирает пакет для аджастера; код открыт. Третий — голосовой агент реального времени на ADK и Gemini Live API, где аудио стримится в Gemini Live API без традиционного конвейера распознавания речи.

Что говорят клиенты

Cox Automotive собрала ИИ-ассистента для Autotrader: он подсвечивает элементы на экране и вызывает инструменты, чтобы провести покупателя по поиску, сравнению и финансированию автомобиля в живом разговоре. Marianne Johnson, EVP и chief product officer Cox Automotive, объясняет ставку так: покупатели всё чаще хотят описывать задачу своими словами, а не проходить фильтры и меню.

По словам Akhilesh Damaraju, CEO Equal AI, сервис компании обрабатывает более миллиона живых звонков в день на девяти индийских языках, а Gemini 3.8 Live улучшил обработку перебиваний, многоязычные разговоры и надёжность вызова инструментов. В Salesforce ждут связки Gemini 3.8 Live с Agentforce, а инженер Specs Eric Walsh отмечает улучшения voice activity detection и задержек.

Безопасность и водяные знаки

Чтобы защитить идентичность и предотвратить злоупотребления, клиенты выбирают аватары из библиотеки готовых, а создание собственного проходит строгую проверку и allowlist. Кроме того, все сгенерированные аудио- и видеопотоки несут неощутимые водяные знаки SynthID. В блоге Google уточняют механику: невидимая метка встраивается прямо в аудио- и видеовыход, чтобы ИИ-контент оставался обнаружимым и его не приписывали человеку.

Доступность и цена

Модель доступна на эндпоинтах в США и ЕС, с provisioned throughput, корпоративным соответствием и строгим управлением данными. Начать предлагают в Gemini Enterprise, документации Gemini Live API и на странице цен; рядом перечислены другие аудиомодели — Gemini 3.5 Transcribe, Gemini 3.5 Live Translate, Gemini 3.8 Flash-Lite TTS и Gemini 3.8 Flash TTS. Включение provisioned throughput и allowlist для собственного аватара — через представителя Google Cloud по продажам.

Даты двух публикаций расходятся: объявление в блоге Google датировано 24 сентября 2026 года, а страница в блоге Google Cloud — 25 сентября.