Gemini 3.8 Live with Live Avatar 是 Google 为实时对话模型打造的虚拟形象系统，把低延迟流式视频与语音原生结合，为 Gemini Enterprise 客户带来接近实时的视觉临场感。
核心要点
- 2026.9.24 正式发布，即日起面向 Gemini Enterprise 客户全面开放
- 精确唇形同步、自然表情与流畅轮替，视频与语音联合生成
- 原生支持 97 种语言，跨语言切换时唇形与表情动态适配，无视觉漂移
- 支持异步工具调用，后台执行任务时对话不中断
- 提供多样化预设形象库，定制形象需通过企业 allowlist 审核
- 音视频输出内嵌 SynthID 水印，AI 生成内容保持可检测
功能细节
视觉临场与多语言能力
研究科学家 Shuo-yiin Chang 与软件工程师 CJ Zheng 在官方博客介绍了这项功能，其前代 Gemini 3.8 Live 由 Tom Ouyang 与 Malini Jaganathan 团队发布。
Live Avatar 在语音对话基础上叠加近实时视频生成，对话形象可以同时倾听、观看并开口说话，适合客服接待与交互讲解等企业场景。
97 种语言的语音到语音同步为原生实现，对话中途切换语言时，唇形与表情动态适配，视频画质不降级，形象也不会出现漂移。
工具调用与内容安全
异步工具执行能力让形象在后台调用工具取回数据，前台对话继续进行。官方演示中，虚拟管家一边与住客交谈，一边完成酒店入住登记流程。
全部输出均织入 SynthID 水印，模型卡片同步公开，方便企业评估生成内容的透明度与安全边界，减少误传与冒名风险。
与竞品对比
下表对比 Google 对话产品线，说明 Live Avatar 和基础版 Gemini 3.8 Live 的区别。
| 产品 | 视觉形象 | 语言能力 | 面向对象 |
|---|---|---|---|
| Gemini 3.8 Live | 纯语音对话，无视频形象 | 多语言实时对话 | 开发者与普通用户 |
| Gemini 3.8 Live Avatar | 实时视频形象，唇形同步 | 97 种语言原生同步 | Gemini Enterprise 企业客户 |
| Gemini 3.8 Flash TTS | 仅语音合成 | 支持 100 余种语言 | Gemini API 与 AI Studio 开发者 |
该功能未采用 MIT 或 Apache 协议，以 Gemini Enterprise 商业订阅形式提供，企业需在 Google Cloud 控制台的 Agent Platform Studio 中开通多模态实时 API。
常见问题
问. Gemini 3.8 Live Avatar 是什么
它是 Gemini 3.8 Live 的实时虚拟形象功能，把低延迟流式视频与语音结合，为对话模型提供会倾听、观看并说话的动态形象。
问. 如何使用这项功能
企业用户需订阅 Gemini Enterprise，在 Agent Platform Studio 的多模态实时界面调用 Live API，定制专属形象需申请企业 allowlist。
问. 它和 Gemini 3.8 Live 有什么区别
基础版 Gemini 3.8 Live 提供语音对话，Live Avatar 增加近实时视频形象，支持 97 种语言的唇形同步与表情适配。
问. 价格与获取方式如何
功能随 Gemini Enterprise 商业订阅提供，官方未单列公开售价，具体费用以 Google Cloud 账单为准，预设形象库对所有企业客户开放。
本文最后更新 2026 年 9 月 25 日，Google 团队持续为 Gemini Live 产品线贡献能力更新，后续功能演进可关注官方更新日志与模型卡片页面。
本文来源，Google 官方博客《Introducing Gemini 3.8 Live with Live Avatar》https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-with-live-avatar/
