谷歌9月25日推出 Gemini 3.8 Live with Live Avatar，为其实时语音对话模型配上可选择的虚拟形象，该功能面向企业客户，未来可能出现在客服、销售支持和培训等场景中。
据 TechRadar 和 Engadget 报道，这一功能把 Gemini 的实时语音能力与低延迟视频生成结合起来，用户选定的形象会随着 Gemini 朗读的文本做唇形同步，并带有面部表情和较为流畅的轮次切换。谷歌研究科学家 Shuo-yiin Chang 和软件工程师 CJ Zheng 表示，这让 AI 具备了更强的“视觉存在感”。谷歌称，形象在对话过程中可以借助 Gemini 的推理能力调用工具，并在后台获取数据，同时维持对话进行。
企业可以从预设形象库中挑选，也可以依据高质量参考图像定制自有形象，以保留参考长相、品牌风格或角色身份。相关形象仅通过企业白名单开放。
安全方面，谷歌表示形象的音频和视频输出都嵌入了 SynthID 隐形水印。谷歌称，这种水印直接织入音视频输出，用于帮助识别 AI 生成内容，以减少误传和错误归属。
在此之前，谷歌于上周发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，称其为该公司目前最先进的实时对话模型，目标是为开发者和企业提供“可靠、可投产的语音智能体构建模块”，并让用户能够用语音完成复杂任务。谷歌在另一篇博文中称，Gemini 3.8 Live 支持 97 种语言并可自动切换语言，以便进行多语言对话。据 TechRadar 报道，3.8 Live Extended Thinking 在多项基准测试中优于 GPT-Live-1 Astra 和 Grok Voice Think Fast 2.0，且每小时输入音频的运行成本更低。
Engadget 指出，谷歌在博文中展示的形象既有写实风格也有卡通风格。该媒体同时表示，考虑到部分用户对 AI 生成内容的反感，这类形象未必会被普遍接受。