Google 给 Gemini 3.8 Live 加 Live Avatar：一边对话，一边实时生成有表情与口型的视频
Google 9 月 24 日发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成直接接到 Gemini 3.8 Live 的实时对话链路：模型同时处理视觉与音频输入，以连续视频、语音、表情和精确口型输出一个动态角色，并保持自然轮次切换。
除「会看、会听、会说话」外，Live Avatar 支持异步工具调用：角色持续在线对话时，可在后台取数与执行工具，不打断当前交互。官方把它定位在客服、交互式导览等企业场景；每位角色可有独立外观、声音与表达风格，开发者可从一张高质量参考图生成可动画、可响应且保留身份特征的角色，但自定义角色当前只对企业白名单开放。
它改变的是实时多模态智能体的输出形态：此前语音智能体主要返回文字与声音，Live Avatar 把可连续生成、能被观察的视觉化身加入同一会话，数字客服与导览不必再把对话和动画拆成两套系统。边界是首发仅在 Gemini Enterprise 可用，官方没有公布端到端延迟数字或帧率基准；所有生成音视频均嵌入 SynthID，便于识别生成内容。
原文链接：Google 官方博客
核验记录
Google 官方博客直读 200，JSON-LD datePublished=2026-09-24T15:30:00Z、og:article:published_time=2026-09-24，页面可见 Sep 24, 2026，三处一致。逐段读完正文：低延迟流式视频、视觉与音频并行、异步工具调用、企业白名单自定义角色、SynthID 均取官方原文；官方未披露帧率或端到端延迟基准，正文未代填。配图取官方 og:image（PNG 1300×731，1,068,219 bytes），裸请求与带站内 Referer 双测均 200 且字节一致。
← 上一篇阿里云百炼上决策模型：一次前向同时分类、判断是非和评分，0 token 生成文本下一篇 →Submersion AI 发 Basin：不足 500 亿参数，CyberGym 一次解题 1218/1507