Gemini Live Avatar: Google дала голосовому ИИ лицо с мимикой и синхронной речью на 97 языках

Вечером 24 сентября Google рассказала в своём блоге о Gemini 3.8 Live с функцией Live Avatar. Голосовому режиму Gemini добавили видео: собеседник слушает, видит и отвечает с анимированным лицом почти в реальном времени. Сам Gemini 3.8 Live компания выпустила неделей раньше. Теперь у него появилась внешность. Работает функция с 24 сентября в Gemini Enterprise, корпоративной версии Gemini.

Что умеет Live Avatar

• Лицо в такт голосу. Губы двигаются точно по речи, выражение лица меняется по ходу разговора, реплики чередуются плавно.
• Видит и слышит одновременно. Изображение и звук модель обрабатывает вместе и отвечает голосом и мимикой.
• Работает с системами, не замолкая. Инструменты вызываются асинхронно: аватар запрашивает данные в фоне и продолжает разговор. В демонстрации Google он так заселяет гостя в отель.
• 97 языков. Язык можно сменить прямо посреди разговора. Мимика и губы подстраиваются, картинка при этом не плывёт.
• Свой персонаж. Есть библиотека готовых аватаров. Собственный делают по одному качественному изображению-образцу с сохранением сходства и фирменного стиля. Пока только для компаний, которых Google внесла в список допуска.
• Маркировка. Весь звук и всё видео получают невидимый водяной знак SynthID, чтобы сгенерированное можно было распознать.

Разработчикам компания предлагает документацию API. Цены, цифр задержки и списка стран в объявлении нет. О доступности в России тоже ничего не сказано.

Что это значит для бизнеса

Недавно Google выпустила синтез речи с голосом по описанию, мы писали об этом в новости о Gemini 3.8 Flash TTS. Теперь у голоса появилось лицо.

Живые голосовые и видео-собеседники становятся нормой. Решив вечером вопрос с ИИ в приложении отеля за две минуты, утром человек ждёт того же от любой компании. Ответа сразу. Нормальным языком. Без «ваш звонок очень важен для нас» и музыки в трубке. Заявка, на которую перезвонили через три часа, к этому времени часто уже у того, кто ответил первым.

Но чем естественнее звучит ИИ, тем чаще в трубке спрашивают: «Подождите… а вы вообще робот?» В продажах и сервисе на это держатся три правила:

1. На прямой вопрос — честный ответ. Клиент, который сам догадался позже, уходит с обидой.
2. Границы. ИИ говорит только о том, что есть в базе знаний и сценарии. Скидку, которой нет, он не придумает.
3. Передача человеку. Спор, жалоба или крупная сделка уходят к живому сотруднику. Причём так, чтобы клиенту не пришлось пересказывать всё заново.

Видеоаватар нужен далеко не каждому. У многих компаний в России разговор с клиентом по-прежнему начинается с телефона. Чем простой робот отличается от голосового сотрудника, мы разобрали в статье «Голосовой робот для звонков или ИИ-менеджер».

Эти правила заложены в ИИ-менеджер КАРАДЕСК. Он звонит по новой заявке в первую минуту и принимает входящие звонки круглосуточно. Представляется по согласованному сценарию и требованиям закона, на прямой вопрос отвечает честно. Держится утверждённого сценария, значимые решения подтверждает человек. Когда нужен сотрудник, переводит звонок и заранее передаёт ему краткое содержание разговора. Если сотрудник недоступен, договаривается о перезвоне. Итог попадает в CRM с записью и расшифровкой разговора. Цена — 17,90 ₽ за минуту разговора, интеграции включены, пакет от 1 500 минут. Продажи не гарантируются: оплачивается работа ИИ-менеджера.