Disponible en Gemini Enterprise, permite mantener conversaciones con sincronización labial y expresiones animadas, con aplicaciones en atención al cliente y asistencia guiada.
Google presentó el 24 de septiembre Gemini 3.8 Live con Live Avatar, una función que añade una representación de video a las conversaciones sostenidas con su modelo de inteligencia artificial. Según el anuncio de la compañía, el sistema procesa entradas visuales y de audio y genera una voz acompañada por un rostro animado y sincronizado.
Google Cloud confirmó su disponibilidad general en Gemini Enterprise el 25 de septiembre. La empresa plantea su uso en agentes desplegados en sitios web, aplicaciones móviles y quioscos interactivos, con escenarios como atención al cliente, orientación durante trámites y recorridos guiados.
Diálogo continuo y conexión con herramientas
La función está diseñada para conservar la conversación mientras ejecuta llamadas a herramientas o consulta información en segundo plano. Google también atribuye al modelo capacidades de sincronización labial, gestión de interrupciones y procesamiento simultáneo de audio e imágenes.
La documentación de Gemini Live API identifica a gemini-3.8-live como un modelo con disponibilidad general. Admite audio, imágenes, video y texto como entradas, mientras que los avatares pueden entregar el componente visual en formato MP4.
Las organizaciones pueden seleccionar personajes prediseñados. La creación de avatares personalizados a partir de material de referencia está restringida a clientes autorizados mediante un proceso de aprobación. Google afirma además que las transmisiones de audio y video generadas incorporan SynthID, su sistema de marcas de agua para contenido creado con inteligencia artificial.
Sesiones limitadas y riesgos del modelo
La ficha técnica de Gemini 3.8 Audio introduce matices importantes. Las interacciones continuas con Live Avatar están limitadas a unos pocos minutos, no a sesiones de varias horas. Google también reconoce que el modelo puede producir información incorrecta y experimentar lentitud o interrupciones.
El lanzamiento amplía las opciones para construir interfaces empresariales con voz y video, pero no elimina la necesidad de supervisión. Antes de utilizar estos avatares frente a clientes, las organizaciones deberán evaluar su fiabilidad, proteger los datos procesados y comprobar que cuentan con autorización para emplear imágenes o voces de personas.
Fuentes
- Google Blog, Introducing Gemini 3.8 Live with Live Avatar
- Google Cloud Blog, Gemini 3.8 Live with Live Avatar is now generally available
- Google Cloud Documentation, Gemini Live API overview
- Google DeepMind, Gemini 3.8 Audio model card
- Google DeepMind, SynthID
Ilustración: captura del sitio de Gemini
📬 Newsletter gratuito
