Як повідомляє Google, компанія представила Gemini 3.8 Live with Live Avatar — мультимодальну модель штучного інтелекту, яка доповнює голосову розмову відеоаватаром у реальному часі. Система поєднує живий діалог із потоковою генерацією відео з низькою затримкою.
Разом із Live Avatar компанія розвиває моделі синтезу мовлення Gemini 3.8 Flash TTS і Flash-Lite TTS, а наступне покоління Gemini 4 уже перебуває на етапі post-training перед майбутнім випуском, пише Kreschatic.
Що вміє Gemini 3.8 Live with Live Avatar
Gemini 3.8 Live може одночасно слухати користувача та аналізувати візуальну інформацію, після чого відповідати голосом і відео через динамічного цифрового персонажа. Live Avatar уже доступний у Gemini Enterprise та орієнтований передусім на корпоративне використання, зокрема обслуговування клієнтів, інтерактивні інструкції та віртуальних помічників.
Описуючи можливості цифрових персонажів, Google звернула увагу на синхронізацію мовлення та зображення.
«Аватари забезпечують синхронізацію рухів губ із мовленням, природну міміку та плавне чергування реплік. Google позиціонує цю технологію насамперед для корпоративного використання — від обслуговування клієнтів до інтерактивних інструкцій і віртуальних помічників. Live Avatar уже доступний у Gemini Enterprise».
Модель також отримала асинхронний запуск інструментів. Коли Gemini у фоновому режимі перевіряє дані або взаємодіє із зовнішнім сервісом, аватар може продовжувати розмову з користувачем без переривання діалогу.
Окремою особливістю системи стала підтримка багатьох мов.
«Ще одна особливість — багатомовність. Live Avatar підтримує синхронізацію мовлення, міміки та рухів губ 97 мовами й може перемикатися між ними під час однієї розмови. Для компаній також передбачена можливість створення власних аватарів на основі еталонного зображення, хоча ця функція поки доступна лише через корпоративний allowlisting».
Усі згенеровані системою аудіо- та відеоматеріали отримують невидимий водяний знак SynthID, призначений для ідентифікації контенту, створеного штучним інтелектом.
Які можливості отримали Gemini 3.8 Flash TTS і Flash-Lite TTS
Gemini 3.8 Flash TTS призначена для створення голосів на основі текстового опису. Користувач може задавати характер, акцент та інші характеристики голосу природною мовою, а також окремо керувати темпом, емоціями, паузами та манерою вимови реплік.
Google пояснила відмінності між двома моделями синтезу мовлення.
«Перша призначена для створення унікальних голосів на основі текстового опису. Користувач може задати характер, акцент та інші властивості голосу природною мовою, а також керувати вимовою кожної репліки окремо — темпом, емоціями, паузами та манерою мовлення. Flash-Lite TTS розрахована на масштабні завдання, зокрема дубляж, створення аудіоконтенту та голосових агентів».
Серед заявлених характеристик нових технологій:
- бібліотека з понад 2000 готових голосів;
- підтримка більш ніж 100 мов і діалектів;
- відтворення голосу за 30-секундним аудіозразком за наявності відповідного права;
- перевірка згоди для функції відтворення голосу;
- використання SynthID та облікових даних C2PA.
Нові TTS-моделі почали впроваджувати у Gemini API та Google AI Studio. Flash TTS також з’являється у Gemini Notebook, а Flash-Lite TTS — у Google Vids.
Коли Google планує випустити Gemini 4
Керівник Google DeepMind Корай Кавукчуоглу підтвердив, що Gemini 4 перейшла до етапу post-training. Він передбачає фінальне доопрацювання базової моделі, перевірки безпеки, налаштування її поведінки та захисних механізмів. Внутрішнє тестування вже проводять, зокрема для роботи Antigravity.
Говорячи про терміни підготовки наступного покоління Gemini, Кавукчуоглу зазначив, що команда прагне якомога швидше представити ранню версію результатів посттренування.
«Google хоче випустити ранню версію результатів посттренування якомога швидше, оскільки команда задоволена отриманими результатами. Ми сподіваємося на реліз значно раніше кінця 2026 року».
Конкретної дати виходу Gemini 4 компанія не назвала.
Нагадаємо, раніше ми писали про нові функції iOS 27.2 для iPhone перед майбутнім релізом оновлення.
