Live Avatar（Gemini 3.8 Live 实时虚拟人）

产品简介

Live Avatar 是 Google 在 Gemini 3.8 Live 模型中推出的实时虚拟人功能，于 2026 年 9 月 25 日正式面向 Gemini Enterprise 企业客户全面上线（General Availability）。该功能将接近实时的视频生成与语音合成相结合，打造能倾听、观察并以动态视觉形象交流的交互式虚拟人 AI Agent，借助精准唇形同步、自然表情与流畅对话轮次切换，把原生多模态实时对话从"音频层"拓展到"视觉层"，是企业级数字人交互的重大升级。

核心功能

Live Avatar 提供以下核心功能：

• 实时唇形同步虚拟人：生成具备精准唇形同步的对话视频 Avatar，AI 虚拟形象在说话时口型与语音高度匹配，支持自然表情变化，视觉效果接近真人实时视频通话体验。
• 97 种语言无缝切换：原生支持 97 种语言的语音识别与生成，Avatar 可在不同语言之间无缝切换，不降低视频保真度，不出现视觉偏移，适用于全球化企业服务场景。
• 后台工具调用保持对话流畅：Avatar 在调用 API、执行后台任务（如查询数据、发送邮件）时，对话不中断，AI 可在等待结果返回期间继续与用户沟通，不出现"冷场"等待。
• 实时视觉理解（Live Visual Understanding）：支持同时处理摄像头画面（用户正对设备）和屏幕共享内容，Avatar 能"看见"用户展示的商品、文档或界面，并据此作出响应，实现真正意义的视觉交互。
• SynthID 隐形水印：Google 为所有 AI 生成内容嵌入 SynthID 音频与视频水印，确保内容可溯源，符合欧盟 AI 法案合规要求，为企业级部署提供安全保障。
• 企业级自定义 Avatar：企业可基于高质量参考图像生成完整动画、响应灵敏的虚拟形象，保留品牌风格与角色特征，自定义功能目前仅对企业白名单用户开放。
• 打断恢复与对话连续性：支持自然打断处理，用户可在 Avatar 说话时随时插话，模型能快速恢复对话上下文，保持对话流畅不丢信息。

特色优势

Live Avatar 的核心优势体现在三个方面：

从"听与说"到"看与被看"：Google 将实时对话 AI 的能力边界从纯音频层拓展到视觉层，Avatar 不仅能听和说，还能以动态视觉形象出现在用户面前，这是原生多模态实时对话的重要跨越，为企业客服、虚拟展厅、自助终端等场景带来质变。

97 种语言原生支持降低出海门槛：与市场上其他企业级数字人解决方案相比，Gemini 3.8 Live 的 97 种语言原生支持无需额外翻译 API 调用，降低了多语言企业部署的技术复杂度与成本，为企业全球化服务提供了开箱即用的能力。

Google 全栈能力支撑：Live Avatar 依托 Gemini 3.8 Live 的高级推理能力、Veo 视频生成能力与 SynthID 安全水印，构成从底层模型到上层应用的完整技术栈，为企业提供一站式企业级数字人解决方案。

应用场景

Live Avatar 适用于以下核心场景：

• 企业级 AI 客服与售后：在网站、移动 App 或线下自助终端部署虚拟人客服 Avatar，以更贴近真人的方式与客户交流，提升客服体验满意度与转化率，支持 97 种语言覆盖全球用户。
• 品牌虚拟展厅与沉浸式体验：在电商平台、企业官网或线下展厅部署品牌专属 Avatar，为用户提供一对一的产品介绍、使用引导和购买咨询，打造差异化沉浸式购物体验。
• 虚拟柜员与金融服务：在银行、保险等金融场景中部署虚拟柜员 Avatar，通过实时视觉交互为用户提供账户查询、产品介绍、保险理赔等高频服务，降低人工成本。
• 医疗健康问诊辅助：在远程医疗场景中，Avatar 可作为分诊护士角色，通过视觉交互收集患者症状、判断紧急程度并转接相应科室医生，提升医疗资源分配效率。
• 教育与培训场景：在企业培训、学校教育或在线课程中部署虚拟教师 Avatar，以更生动的方式呈现教学内容，配合实时问答与视觉演示提升学习效果。
• 国际会议与活动主持：使用多语言 Avatar 主持跨国线上会议、产品发布会或展览解说，无需真人主持实时翻译，降低多语言活动的组织成本。

适用人群

Live Avatar 主要面向以下用户群体：

• 需要规模化部署 AI 客服、AI 销售或 AI 导览能力的企业，尤其是金融、零售、医疗、教育等客户服务密集型行业；
• 希望以数字人形象打造品牌差异化、提升用户互动体验的数字化转型企业；
• 面向全球用户的跨境电商、国际旅游、多语言服务等行业，需要多语言视觉 AI 能力；
• 寻求将 AI 能力落地到线下自助终端（数字标牌、自助服务机）的企业与机构。

出品方

Live Avatar 由美国科技巨头 Google LLC（Alphabet 旗下）研发，集成于 Google Cloud Gemini Enterprise 智能代理平台。Gemini 3.8 Live 是 Google DeepMind 团队打造的旗舰级实时对话模型，Live Avatar 功能标志着 Google 在企业级实时对话 AI 领域与 OpenAI Realtime API、Anthropic Claude 实时语音的竞争进入新阶段。

更新动态

• 2026 年 9 月 25 日：Live Avatar 正式面向 Gemini Enterprise 企业客户全面上线（GA），美国与欧盟数据中心节点均已开放，支持有保障的吞吐量与企业合规要求。
• 2026 年 9 月 18 日：Gemini 3.8 Live 基础模型发布，叠加 Live Avatar 构成完整的企业级实时多模态对话解决方案。
• 2026 年 Google Cloud Next 大会：Live Avatar 在该大会上首次预览发布，经过数月企业测试后正式 GA。
• 即将推出：Gemini 3.8 Live Extended Thinking（扩展思考模式）目前处于私有预览阶段，预计后续将向企业客户开放。

官网链接

Google Cloud 官方博客（Live Avatar 发布）：https://cloud.google.com/blog/products/ai-machine-learning/gemini-3-8-live-with-live-avatar-is-now-generally-available
Gemini Enterprise Agent Platform 文档：https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/live-api/configure-live-avatars
Gemini 3.8 Live 官方介绍：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/