Gemini 3.8 Live携实时虚拟形象登场

谷歌DeepMind在9月24日发布了Gemini 3.8 Live with Live Avatar，这是继上周Gemini 3.8 Live之后的又一次重要更新。简单说，这项新功能给Gemini的实时对话模型装上了一张会说话、会看人、有表情的"脸"——通过将低延迟流媒体视频与语音对话能力原生耦合，AI不再只是"听到"你说话，而是能同时看到你、理解你的表情，并用带有精准唇形同步和自然表情的动态虚拟形象来回应你。目前该功能已在Gemini Enterprise中上线，企业客户可以直接使用。 从技术层面看，这次更新有几个值得关注的突破。首先是异步工具调用能力：Live Avatar可以在对话不中断的情况下，在后台触发工具调用、拉取数据，处理复杂任务。谷歌给出的演示场景是酒店前台入住办理——虚拟形象一边和客人聊天，一边在后台完成查询和登记，对话体验不会因为系统处理而卡顿。其次是多语言支持，Live Avatar原生支持语音到语音的同步转换，能够在97种语言之间无缝切换，唇形和表情会动态适配，不会出现画面失真或视觉漂移。此外，企业在预设虚拟形象库之外，还可以通过一张高质量参考图生成定制化的动画虚拟形象，保留品牌形象或角色特征，但该功能目前仅对企业白名单开放。 对跨境电商卖家和出海企业来说，这项技术的潜在应用场景值得认真评估。目前市面上已有的AI客服工具大多停留在文字或语音层面，而Live Avatar带来的"视觉在场感"意味着企业可以搭建更具沉浸感的虚拟导购、多语言售后客服、产品互动演示等场景。尤其是97种语言的实时切换能力，对于面向多市场运营的跨境团队来说，可以大幅降低多语种客服的人力成本。不过需要注意的是，定制虚拟形象目前有白名单门槛，中小卖家短期内可能只能使用预设形象。另外，所有AI生成内容都嵌入了SynthID不可见水印，用于帮助检测和识别AI生成内容，降低误导和误归属的风险——这对平台上越来越普遍的AI生成内容合规要求来说，是一个值得关注的信号。