Google 给实时对话模型加上"真脸"：Gemini Live Avatar 上线，能看能说还能边聊边查
9月24日，Google 宣布推出 Gemini 3.8 Live with Live Avatar，并已在 Gemini Enterprise 正式可用（GA）。简单说，就是给 Gemini 的实时对话模型加上了一张"会动的脸"：AI 在说话的同时，同步生成一段近实时的视频形象，口型对得上、表情自然、还能流畅地接话和换话轮。
这是什么
Google 在 9 月 15 日发布了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两个实时对话模型，主打可规模化的低成本语音对话和高复杂度推理。这次的 Live Avatar 是在它之上新增的一层"视觉存在"：模型同时处理音频和视频输入，然后以近实时的方式输出带表情的语音加视频回答。
按 Google 官方博客的说法，这套形象具备精确的口型同步、自然的面部表情和流畅的对话节奏切换——就像视频通话里的真人，而不是一张静止的头像。
几个值得注意的能力
- 边聊边查工具：支持异步工具调用。AI 可以在后台发起工具调用、取数据，对话完全不被打断。Google 的演示里，化身一边和客人聊天，一边在后台完成酒店入住办理。
- 能看懂画面：除了语音，它还能对摄像头画面和屏幕共享做实时视觉理解，支持在对话中打断插入。
- 97 种语言不跑偏：Google 称对话切换到 97 种语言中的任何一种，化身的口型和表情都能保持一致，避免视频画面漂移。
怎么用、谁能用
目前该功能在 Gemini Enterprise 正式可用，企业客户可以在 Gemini Enterprise 控制台里试用，通过 Gemini Live API 文档接入。服务端点覆盖美国和欧盟，配套预置吞吐（provisioned throughput）、企业合规和数据治理。想要自定义专属头像的企业，需要联系 Google 销售走白名单流程。
需要注意的是，定位更高复杂度推理的 Gemini 3.8 Live Extended Thinking 仍处于私有预览阶段，还没全面开放。
为什么重要
对普通用户来说，这是"AI 助手有了脸"的一步；对企业来说，可能更实际——客服、产品导览、员工培训这类场景，第一次可以部署一个能听、能看、能说、还有表情的 AI 形象，而不只是语音机器人。异步工具调用 + 实时视觉理解的组合，也说明实时多模态对话正在从演示走向企业级可用。
本文基于 Google 官方博客、Google Cloud 官方博客，以及 The Verge、Unite.AI 等多家媒体转述整理。
来源：
- https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-with-live-avatar/
- https://cloud.google.com/blog/products/ai-machine-learning/gemini-3-8-live-with-live-avatar-is-now-generally-available
- https://www.theverge.com/tech/1000328/google-gemini-ai-live-avatar-face
- https://www.unite.ai/google-brings-live-avatar-visual-presence-to-gemini-3-8-live/