Google DeepMind presentó el 24 de septiembre Gemini 3.8 Live con Live Avatar, una función que le agrega presencia visual a la IA conversacional de Gemini. Combina las capacidades de diálogo en vivo del modelo con video de baja latencia transmitido en directo, y apunta a las conversaciones que las empresas tienen con sus clientes.

Llega una semana después del lanzamiento de Gemini 3.8 Live. Live Avatar junta la generación de video casi en tiempo real con el habla, y el resultado es un personaje visual que escucha, ve y responde.

Según DeepMind, la sincronización de labios es precisa, las expresiones son naturales y los turnos de conversación fluyen. La empresa lo propone para atención al cliente y para recorridos guiados interactivos.

Desde el día del anuncio está disponible en Gemini Enterprise. En la demostración que acompaña el anuncio aparecen varios personajes, cada uno con su propia apariencia, voz y forma de expresarse.

¿Qué agrega el avatar a la conversación?

DeepMind parte de una idea simple. Cuando conversamos escuchamos, miramos, hablamos y usamos la cara para comunicar, y Live Avatar lleva esas capacidades a los agentes empresariales. Procesa al mismo tiempo lo que entra por la cámara y por el micrófono, y responde con audio y video.

En otro de los videos de muestra, el modelo toma lo que ve y oye casi en tiempo real y contesta con voz y gestos.

Herramientas en segundo plano

La función se apoya en el razonamiento de Gemini. Con llamadas asíncronas a herramientas, Live Avatar puede disparar consultas y traer datos en segundo plano mientras sigue hablando. Así resuelve tareas complejas sin cortar la conversación.

El ejemplo que muestra DeepMind es el registro de un huésped en un hotel. El avatar consulta los sistemas de reserva mientras el diálogo continúa sin pausas.

¿En cuántos idiomas funciona?

Live Avatar trae sincronización nativa de voz a voz en varios idiomas. Ajusta la sincronización de labios y las expresiones sobre la marcha y puede pasar de un idioma a otro entre 97 idiomas sin perder calidad de video ni introducir deriva visual, según DeepMind.

Uno de los videos lo muestra cambiando de idioma a mitad de una conversación.

Avatares con la imagen de cada marca

Las organizaciones suelen necesitar una identidad visual propia. Además de una biblioteca de avatares predefinidos y variados, Live Avatar permite crear uno a medida. A partir de una imagen de referencia de alta calidad, los desarrolladores generan un avatar animado que conserva el parecido con la referencia, el estilo de la marca o la identidad del personaje.

La creación de avatares personalizados está disponible por ahora solo para empresas incluidas en una lista de acceso.

¿Cómo se identifica el contenido generado?

DeepMind dice que construyó la función con resguardos para respetar la identidad de las personas y mantener transparente el contenido generado por IA. Todo lo que producen sus productos de IA lleva la marca de agua SynthID.

Esa marca es imperceptible y va tejida directo en el audio y el video. Su objetivo es que el contenido generado siga siendo detectable, para reducir la desinformación y las atribuciones falsas. El enfoque de seguridad completo está en la ficha del modelo.

Cómo empezar a usarlo

Gemini 3.8 Live con Live Avatar se usa desde Gemini Enterprise, y la documentación de la API explica cómo integrarlo.