Una conversazione con un agente AI può ora avere un interlocutore visibile, capace di parlare e reagire mentre ascolta l’utente. Con Gemini 3.8 Live with Live Avatar, Google aggiunge un personaggio animato al suo modello di dialogo in tempo reale: voce e video vengono generati insieme per le esperienze sviluppate dalle aziende.
Nell’assistenza clienti e nelle guide interattive, l’avatar segue il ritmo dello scambio con movimenti delle labbra sincronizzati alla voce, espressioni del viso e passaggi di parola fluidi. Può assumere aspetti, voci e modi di esprimersi diversi in base al servizio in cui viene impiegato.
Un dialogo che usa ciò che sente e ciò che vede
Live Avatar elabora contemporaneamente gli input audio e visivi. L’utente può quindi parlare con l’agente e fornirgli immagini o video come contesto; la risposta combina la voce con l’animazione del personaggio. Questa capacità estende la conversazione multimodale di Gemini 3.8 Live alla presenza in video dell’assistente, mantenendo una latenza contenuta durante l’interazione.
L’agente può anche richiamare strumenti e recuperare informazioni mentre continua a parlare. Le chiamate vengono eseguite in background, così il dialogo può proseguire durante un’operazione. Una delle dimostrazioni pubblicate da Google riguarda il check-in di un ospite in hotel: l’avatar gestisce i passaggi necessari attraverso gli strumenti collegati e, nel frattempo, resta presente nella conversazione. Per un servizio clienti, questa capacità consente di accompagnare l’utente anche quando la risposta richiede dati esterni al modello.
Dalla scelta del personaggio al cambio di lingua
Live Avatar supporta 97 lingue e può passare dall’una all’altra nel corso dello stesso dialogo. Quando cambia la lingua parlata, si adattano anche il movimento delle labbra e le espressioni del personaggio, senza perdita di fedeltà del video o slittamenti visivi nella sincronizzazione. La funzione unisce quindi la comprensione e la generazione del parlato alla resa visiva della conversazione.
Per definire l’aspetto dell’agente, le organizzazioni possono partire da una raccolta di avatar preimpostati. È prevista inoltre la creazione di un personaggio personalizzato da un’immagine di riferimento di alta qualità: il sistema ne conserva la somiglianza, lo stile del marchio o l’identità del personaggio e lo rende animato e reattivo durante il dialogo. Gli avatar personalizzati sono attualmente accessibili alle aziende abilitate da Google, mentre la scelta dei personaggi preimpostati fa parte dell’offerta presentata con Live Avatar.
Disponibilità, durata delle sessioni e riconoscibilità dei contenuti
Live Avatar è disponibile in Gemini Enterprise. La Live API permette agli sviluppatori di costruire esperienze conversazionali che combinano input audio e visivi con risposte vocali e video. La funzione è pensata per gli agenti aziendali che devono interagire con gli utenti e svolgere attività tramite strumenti collegati.
Gli avatar basati su Gemini 3.8 Audio supportano alcuni minuti di interazione continua, un dato da considerare nella progettazione dei servizi. Per rendere riconoscibili i contenuti generati, Google incorpora SynthID sia nell’audio sia nel video prodotto da Live Avatar. Questa filigrana digitale viene inserita direttamente nei contenuti durante la generazione: è impercettibile per chi guarda o ascolta, ma può essere rilevata dalla tecnologia di Google. Nel video è progettata per resistere a modifiche come ritagli, filtri e compressione; Per verificare la presenza di SynthID, si può caricare un video o una registrazione audio in Gemini e chiedere se il contenuto è stato generato o modificato dall’AI di Google. DeepMind ha introdotto anche SynthID Detector, un’applicazione web che controlla la presenza della filigrana nei file immagine, video e audio caricati; il servizio è in fase di test con giornalisti e professionisti dei media.
