Google erweitert sein Modell Gemini 3.8 Live um „Live Avatar": animierte Avatare, die nahezu in Echtzeit Gespräche mit Nutzenden führen. Sprache, Lippenbewegungen und Gesichtsausdruck werden synchron erzeugt; zudem können die Avatare verarbeiten, was ihnen Nutzer per Kamera oder Bildschirmfreigabe zeigen, und darauf im Gespräch reagieren.
Das System unterstützt 97 Sprachen und wechselt während eines Gesprächs automatisch zwischen ihnen; Lippenbewegungen und Mimik passen sich der jeweiligen Sprache an. Auch wenn Nutzer dem Avatar ins Wort fallen, soll der Gesprächskontext erhalten bleiben. Parallel kann der Agent Tools und Schnittstellen aufrufen — etwa Daten abfragen oder Buchungen ausführen —, ohne das Gespräch zu unterbrechen. Google demonstriert das bei einem Hotel-Check-in, bei dem der Avatar weiterredet, während im Hintergrund Informationen abgerufen werden.
Live Avatar startet ausschließlich als Enterprise-Funktion und ist ab sofort allgemein über Gemini Enterprise verfügbar. Kunden können aus einer Bibliothek vorgefertigter Avatare mit unterschiedlichen Erscheinungsbildern, Stimmen und Ausdrucksweisen wählen. In einer Demonstration erstellt Google einen eigenen Avatar aus einem Referenzfoto und einer Audioaufnahme; Ähnlichkeit, Markenstil oder Charakteridentität des Referenzbilds sollen erhalten bleiben. Diese Möglichkeit gibt es nur nach Freischaltung und Verifikation durch Google, um Identitätsmissbrauch zu verhindern. Sämtliche erzeugten Audio- und Videostreams versieht Google mit seinem nicht wahrnehmbaren SynthID-Wasserzeichen.
Unternehmen können die Avatare auf Webseiten, Mobilgeräten und interaktiven Kiosken einsetzen; Google nennt digitale Concierges und den Kundenservice. Eine Verbraucherversion wurde bislang nicht angekündigt. Grundlage ist Gemini 3.8 Live, das eine Woche zuvor als multimodales Modell für Echtzeit-Sprachdialoge vorgestellt wurde und Audio-, Bild- und Videoeingaben verarbeitet. Im Speech-to-Speech Quality Index von Artificial Analysis belegt die leistungsfähigere Extended-Thinking-Variante mit 82,6 Punkten Rang eins unter allen getesteten Echtzeit-Sprachmodellen; Gemini 3.8 Live liegt auf Rang fünf.
