它是什么：给对话 AI 一张会动的脸
2026年9月24日，Google 在官方博客发布 Gemini 3.8 Live with Live Avatar。它由 Google DeepMind 的 Gemini Audio 团队开发，是 Gemini 3.8 Live 的升级功能，面向企业用户，在 Gemini Enterprise 中提供。官方未说明是否开源，目前属于闭源服务。
简单说，它让 AI 在和你说话时，能同时生成一段实时视频：画面里有一个虚拟形象，嘴巴跟着声音动，表情自然，还能和你轮流说话。就像给电话里的客服机器人装上一张会动、会笑、会对口型的脸，让它像真人一样和你面对面聊天。
它怎么工作：边听、边看、边说
官方说，Live Avatar 把实时对话能力和低延迟流式视频“原生耦合”在一起。意思是，AI 一边听你说话，一边看摄像头画面，一边生成语音和视频回应，几乎同时进行。它处理视觉和音频输入，然后输出带表情的音频和视频。
这就像两个人面对面聊天：你说话时看对方表情，对方回应时你也在看。Live Avatar 让企业智能体也能做到这一点，而不是只靠文字或声音。
它能做什么：客服、导览和复杂任务
官方举例说，Live Avatar 可以用于客户服务或互动式导览，把数字交流变得更丰富、更容易理解。它还支持“异步工具调用”：在对话继续的同时，后台可以触发工具调用、获取数据，比如酒店入住登记，对话不会中断。
这就像餐厅服务员一边和你聊天，一边用平板帮你查座位、下单，你感觉不到他在操作后台。Live Avatar 把这种“边聊边办事”的能力带进了 AI 对话。
多语言能力：97 种语言无缝切换
官方称，Live Avatar 支持原生多语言语音到语音同步，能在 97 种语言之间无缝切换，口型和表情会动态适应，不会降低视频清晰度，也不会出现画面漂移。也就是说，它可以在对话中途换语言，嘴型依然对得上。
这就像一位会多国语言的导游，和你用中文聊几句，转头用英文回答另一位游客，表情和口型都自然衔接，不会卡顿或变形。
品牌定制与使用限制
除了预设的多样化头像库，企业还可以自定义 Live Avatar：从一张高质量参考图出发，生成一个完全动画化、能响应的头像，同时保留参考人物的长相、品牌风格或角色身份。不过，官方明确说，自定义头像创建目前只通过企业白名单开放。
这意味着普通开发者或小团队暂时不能随意创建自己的头像。官方未说明白名单的申请条件、费用或开放时间，需要等待后续信息。
安全与透明度：SynthID 水印
官方强调，Live Avatar 内置严格的安全措施，尊重身份并保持 AI 生成内容的透明度。所有 AI 产品生成的输出都带有 SynthID 水印，这种水印直接织入音频和视频，人耳人眼不易察觉，但可以帮助检测 AI 生成内容，减少误传和错误归属。
这就像在纸币里埋了一根看不见的防伪线，平时不影响使用，但验钞机一照就能知道真假。SynthID 就是给 AI 视频和音频埋的“防伪线”。
适合谁用：企业和开发者
官方说，Gemini 3.8 Live with Live Avatar 即日起在 Gemini Enterprise 中可用，并提供了 API 文档供开发者开始使用。它主要面向企业客户，用于客服、导览、酒店入住等场景，而不是普通个人用户的日常聊天工具。
如果你是企业开发者，想做一个能看、能听、能说、还有形象的虚拟助手，这个功能值得关注。但如果你只是个人用户，官方未说明何时或是否开放个人使用，需要继续留意官方消息。
本文由 AIGCWHY 自动监测系统发现，经结构化处理后发布。重要决策请打开原文核验。