AREX Feed Article
Google 正式发布 Gemini 3.8 Live with Live Avatar：同步唇形视频头像进入 Gemini Enterprise，支持 97 种语言
9 月 24 日，Google 在与 同时宣布，Gemini 3.8 Live with Live Avatar 在 Gemini Enterprise 正式可用（GA）。这项技术此前在 Google Cloud Next 2026 上首次预览，Cloud 博客公告称它「现已正式可用于企业生产环境」。这次新增的是「看」的一层：在原生语音到语音（speech-to-speech）对话之上，Live Avatar 用近实时视频生成配对语音，给对话代理加上唇形同步、表情自然的动态视觉形象。
公告同时划定了接入与合规条款：提供 US 与 EU 两个端点（endpoint），可选预配吞吐量（provisioned throughput）；全部生成的音频与视频输出带 不可感知水印；自定义头像只向通过企业白名单与验证流程的客户开放；Gemini 3.8 Live Extended Thinking 仍处于封闭预览（private preview）。距 9 月 15 日 ，只过了九天。
从比速度与成本到比交互质量
署名公告的作者是 Gemini Live 的 Group Product Manager Fabien Blanc-paques。他给出的背景是：企业语音 AI 的比较维度正在超出速度与成本，转向单次交互的质量；Gemini 3.8 Live 已经提供流畅对话所需的原生 speech-to-speech 基础，Live Avatar 补上的是互动的视觉形象，面向 web、移动端与交互式自助终端（kiosk）上的对话式视频代理。
9 月 15 日那次发布先立起了两个模型的分工：3.8 Live 面向规模与成本效率，Extended Thinking 面向高复杂度任务的多步推理。Live Avatar 接在 3.8 Live 这条线上，官方博客的表述是，它把「近实时的视觉形象」带给原生实时对话模型，典型场景是客服和交互式引导演示（interactive walkthroughs）。
生产环境的配套随 GA 一并公布：企业合规与严格的数据治理。想启用的企业可以在 Gemini Enterprise 控制台试用模型，或按公告附带的 Gemini Live API 文档开始搭建。
打断不丢上下文，工具调用挪到后台
Google 官方博客把交互机制概括为「听、看、说」：视觉与音频输入同时处理，输出是带精准唇形同步、自然表情与流畅轮次转换（turn-taking）的视频。打断恢复被单独列出：原生 speech-to-speech 让对话被打断后自然接续，既不丢对话上下文，也不丢已经发起的后台事务。
工具调用走异步路线：触发工具、抓取数据都在后台进行，对话不中断。官方博客的演示场景是酒店入住办理，办理动作在后台执行，前台对话照常；Cloud 博客的表述是，模型可以先应答请求、继续聊天，等任务在后台完成。
实时视觉理解也并进了同一套对话：摄像头的实时画面、屏幕共享都能与音频同时处理。
97 种语言中途切换，官方称视频不「漂移」
Cloud 博客列出的第四项能力是语言：理解并说出 97 种语言，带自动语言检测。官方博客把这一项接到了视频上——原生多语种语音到语音同步，唇形与表情随语言动态调整，在 97 种语言间中途切换时「不降低视频保真度，也不引入视觉漂移（visual drift）」。
这两篇公告都没有附针对头像视频质量的第三方评测，97 种语言等能力描述均出自 Google 自己的口径。作为对照，9 月 15 日发布 Extended Thinking 时，Google 引用过第三方基准：在 Artificial Analysis 的 Speech to Speech Quality Index 上以 82.6 分排在总体第一。
预置头像库直接用，自定义头像先过企业白名单
按 Cloud 博客的说法，出于身份保护与防滥用的考虑，客户从一组精选的预置头像（curated, pre-built avatars）中部署；官方博客称这些头像覆盖不同的外观、声音与表达风格。
自定义头像被收得很紧。流程是编写系统指令、上传一张参考照片和一段音频样本；官方博客描述为「从一张高质量参考图生成完全动画化、可响应的头像，保留参考对象的样貌、品牌风格或角色身份」，但这项能力目前只通过企业白名单开放。
输出端的水印覆盖全部生成内容：SynthID 织入音频与视频流，官方称水印保持可被检测，以帮助减少虚假信息与错误归因；公告同时给出了 。
理赔受理、Autotrader 看车与每天上百万通电话
Cloud 博客随公告放出三段演示。其一是上文的自定义头像创建流程；其二是保险理赔受理：用户边说边把损失对准摄像头，理赔笔记自动填写，后台一组用 Agent Development Kit（ADK，代理开发工具包）搭建的代理核对保单、套用受理规则、为理算员打包材料，公告附了对应的；其三是用 ADK 与 Gemini Live API 搭建实时语音代理，音频直接流式传输，不需要传统的语音转文字（speech-to-text）管线。
客户评价也收录在公告里。Cox Automotive 为 Autotrader 做了一个 AI 购车助手，用实时屏幕高亮和工具调用，引导用户以自然对话完成找车、比车和融资；其执行副总裁兼首席产品官 Marianne Johnson 说，购物者「越来越希望用自己的话描述需求，而不是在筛选器和菜单里翻找」。Equal AI CEO Akhilesh Damaraju 称，其个人 AI 产品每天处理超过 100 万通实时通话、覆盖九种印度语言，Gemini 3.8 Live 改善了打断处理、多语对话与工具调用可靠性，「这个 AI 不只是接电话，它会替你把事办成」。Salesforce Agentforce 产品副总裁 Bob Van Osten 说，Gemini 3.8 Live 与 Agentforce 正在结合，双方合作把实时多模态能力与代理式 AI 组合起来，探索从首次接触到问题解决的更丰富客服体验；Specs 软件工程师 Eric Walsh 的引语也一并列入，他提到测试与基准评测中 Voice Activity Detection（语音活动检测）的更新和延迟改进。
这些评价由 Google 挑选后随公告发布，属于厂商口径内的客户背书。
还没变的：Extended Thinking 的 private preview
两篇公告里，Gemini 3.8 Live Extended Thinking 仍标注为 private preview。它在 9 月 15 日发布时对企业客户就是这个状态，本次进入 GA 的名单里没有它，公告也没有给出时间表。
provisioned throughput 则要通过 Google Cloud 销售代表激活。企业客户 9 月 24 日之后能直接用上的，是 Gemini Enterprise 里的完整 Live 能力加一组精选头像。