در ۲۴ سپتامبر ۲۰۲۶، گوگل Live Avatar را به Gemini 3.8 Live اضافه کرد؛ قابلیتی که به دستیار صوتی گوگل یک چهره متحرک می‌دهد. این آواتار با حرکت لب و حالت صورت صحبت می‌کند، تصویر را هم می‌بیند و نوبت گفت‌وگو را رعایت می‌کند.
چه اتفاقی افتاد؟
گوگل پیش‌تر در ۱۵ سپتامبر مدل Gemini 3.8 Live و نسخه Extended Thinking آن را معرفی کرده بود. نسخه دارای Live Avatar در ۲۴ سپتامبر وارد Gemini Enterprise شد و توسعه‌دهندگان می‌توانند با مستندات Live API آن را امتحان کنند. آواتارها از یک مجموعه آماده انتخاب می‌شوند یا از روی یک عکس مرجع ساخته می‌شوند، اما ساخت آواتار سفارشی فعلاً فقط برای سازمان‌هایی است که گوگل تأیید کرده است.
چه چیزی تازه است؟
- هماهنگی لب و حالت چهره با صدا، و نوبت‌گیری طبیعی در گفت‌وگو.
- اجرای ابزارها در پس‌زمینه؛ برای نمونه، در یک مثال هتل، اطلاعات رزرو گرفته می‌شود در حالی که گفت‌وگو ادامه دارد.
- تغییر میان ۹۷ زبان بدون افت کیفیت تصویر، طبق اعلام گوگل.
- نشان‌گذاری همه خروجی‌ها با SynthID تا محتوای ساخته‌شده با هوش مصنوعی قابل تشخیص بماند.
- گوگل قیمت، کشورهای دسترسی و جزئیات فنی مثل تأخیر، کیفیت ویدیو و مدت هر جلسه را منتشر نکرده است.
چرا برای سازندگان محتوا مهم است؟
یک آواتار گفتاری-تصویری می‌تواند برای نمونه‌سازی ویدیوهای آموزشی، معرفی محصول یا پاسخ‌گویی به پرسش‌های مخاطبان مفید باشد، بدون اینکه همیشه به دوربین و فیلم‌برداری نیاز داشته باشید. اما چون دسترسی فعلی عمدتاً سازمانی است، برای بیشتر سازندگان محتوا هنوز قابل استفاده نیست.
اگر از چهره یا صدای دیگران استفاده می‌کنید، رضایت آن‌ها و رعایت قوانین حریم خصوصی و کپی‌رایت را فراموش نکنید. کیفیت تلفظ و لحن فارسی هم در اعلام‌های گوگل بررسی نشده، پس آن را خودتان آزمایش کنید.
