据科技媒体 Slashdot 9 月 25 日报道，谷歌已为其语音代理 Gemini 3.8 Live 推出名为“实时虚拟形象”（Live Avatar）的能力，宣称具备精准的唇形同步、自然的表情和流畅的轮流对话，主要面向需要“有吸引力的客户服务”或提供交互式导览的 Google Enterprise 企业账户。谷歌在发布公告时附带了演示视频。
据 The Verge 报道，谷歌除了提供一套预设虚拟形象供客户挑选，还允许机构自行创建形象。Slashdot 的报道同时援引了 YouTube 频道“AI with Surya”上展示的部分示例。
科技博客 Android Police 对这项能力提出保留意见。该博客文章称，即便不看虚拟形象，与计算机的对话也从未像一场真正的交谈。文章认为，这种体验最好时也不过像给电话客服或技术支持人员打电话——人们遇到问题才去找他们，他们帮忙解决而已。
文章进一步解释了背后的技术差异。GPT-Live 以及紧随其后的 Gemini Live 省去了把语音转成文字、再转回语音的中转环节，模型在同一系统内全程处理原始音频，输入和输出都不经过翻译。文章称，这听起来像是管线上的小细节，却是关键所在：去掉文字这一步，模型能在几分之一秒内作出回应，而不是人们已经习惯的那种停顿；同时模型能听到文字无法承载的信息，比如语气、迟疑，以及说话人是恼火还是在开玩笑。
该文作者描述了自己的测试过程：作者说话，模型回应；作者说得更快，模型答得也更快；作者换用另一种语言，模型跟着切换，即便在同一个句子里多次换语言也没有卡住。作者称最令人印象深刻的一幕是，当被问及“T-O-P-G-3-3-K”拼出什么时，模型立刻回答：“你在拼 Top Geek 这个词，但用数字 3 代替了倒过来的 E。”尽管反应迅速，作者表示全程都没有像是在和另一个人说话的感觉。
文章写道，Gemini 无法复制、也从未被设计去复制的是人与人之间的联结。作者称，与大型语言模型自然地交谈，反而放大了电话那头没人的感觉，它可能像一通电话那样流畅，但感觉并不像。
Slashdot 读者 MrBrklyn（编号 4,775）称，他曾与 Gemini 讨论“主流媒体为何回避报道屏幕依赖问题”，并最终让 Gemini 作出回应，称它只是“同一批科技巨头打造的又一个工具，目的是确保你依赖它们的系统来告诉你该想什么、该怎么说话，以及什么是真实的”。