Η Google ανακοίνωσε στις 24 Σεπτεμβρίου 2026 τη γενική διαθεσιμότητα του Gemini 3.8 Live με Live Avatar, μιας νέας δυνατότητας που προσθέτει ζωντανή, κινούμενη «παρουσία» πάνω στο υπάρχον μοντέλο συνομιλίας σε πραγματικό χρόνο Gemini 3.8 Live. Η δυνατότητα απευθύνεται προς το παρόν αποκλειστικά σε πελάτες του Gemini Enterprise και συνδυάζει φωνή, εικόνα και κίνηση σε έναν ενιαίο ψηφιακό συνομιλητή.
Τι είναι το Live Avatar
Σύμφωνα με την επίσημη ανακοίνωση της Google, το Live Avatar προσφέρει «μια εμπειρία που ακούει, βλέπει και μιλάει μέσα από μια δυναμική οπτική περσόνα». Πρακτικά, πρόκειται για κινούμενο avatar που συγχρονίζει με ακρίβεια την κίνηση των χειλιών με τον λόγο, αποδίδει φυσικές εκφράσεις προσώπου και διαχειρίζεται ομαλά την εναλλαγή ομιλίας σε μια συνομιλία, χωρίς τις καθυστερήσεις που συνήθως προδίδουν ένα ψηφιακό μοντέλο.
Το σύστημα υποστηρίζει σύγχρονη επεξεργασία εικόνας και ήχου, ώστε το avatar να «βλέπει» τον χρήστη μέσω κάμερας και να απαντά σχεδόν σε πραγματικό χρόνο, ενώ μπορεί να εκτελεί εργασίες στο παρασκήνιο μέσω ασύγχρονων κλήσεων εργαλείων, χωρίς να διακόπτεται ο διάλογος.
Διαθεσιμότητα σε 97 γλώσσες και προσαρμογή για επιχειρήσεις
Το Live Avatar υποστηρίζει 97 γλώσσες με φυσική, πολύγλωσση σύνθεση φωνής, ενώ επιτρέπει την εναλλαγή γλώσσας μέσα στην ίδια συνομιλία με το lip-sync να προσαρμόζεται αυτόματα. Οι επιχειρήσεις που έχουν πρόσβαση μέσω του Gemini Enterprise μπορούν να επιλέξουν avatar από μια έτοιμη βιβλιοθήκη ή να δημιουργήσουν δικά τους, προσαρμοσμένα avatar από εικόνες αναφοράς, διατηρώντας τη δική τους ταυτότητα brand. Η δημιουργία προσαρμοσμένων avatar γίνεται προς το παρόν μέσω ελεγχόμενης πρόσβασης (allowlisting) από τη Google.
Ασφάλεια και διαφάνεια
Η Google ενσωμάτωσε στο Live Avatar την τεχνολογία υδατογράφησης SynthID τόσο στην εικόνα όσο και στον ήχο που παράγει το σύστημα, ώστε το περιεχόμενο να μπορεί να αναγνωρίζεται ως προϊόν τεχνητής νοημοσύνης. Η κίνηση αυτή έρχεται σε μια περίοδο όπου η διαφάνεια γύρω από συνθετικό οπτικοακουστικό περιεχόμενο βρίσκεται στο επίκεντρο, καθώς όλο και περισσότερες εταιρείες λανσάρουν ψηφιακούς συνομιλητές με ανθρώπινη εμφάνιση και φωνή.
Πού θα εμφανιστεί πρώτα
Η Google παρουσιάζει το Live Avatar κυρίως ως εργαλείο για εξυπηρέτηση πελατών, διαδραστικές παρουσιάσεις προϊόντων και εικονικούς βοηθούς επιχειρήσεων. Διεθνή τεχνολογικά μέσα που δοκίμασαν τη δυνατότητα σημειώνουν ότι, παρά την τεχνική επίδοση, η ρεαλιστική κίνηση των avatar προκαλεί ανάμεικτες αντιδράσεις στους χρήστες, με ορισμένους σχολιαστές να περιγράφουν την εμπειρία ως «περίεργη» ή δυσάρεστα ρεαλιστική. Η ίδια η Google αναφέρει ότι αναμένει τα avatar να εμφανιστούν σταδιακά και σε σενάρια εξυπηρέτησης που θα βλέπει απευθείας το κοινό, πέρα από τις εσωτερικές χρήσεις των επιχειρήσεων-πελατών της.
Πού εντάσσεται στον ανταγωνισμό της βιομηχανίας
Η ανακοίνωση της Google έρχεται μέσα σε μια εβδομάδα έντονης δραστηριότητας γύρω από τους «ζωντανούς» ψηφιακούς βοηθούς. Η OpenAI αναβάθμισε πρόσφατα τις φωνητικές δυνατότητες του ChatGPT, ενώ η Meta παρουσίασε δικές της συσκευές προσωπικού βοηθού με φωνή, αφή και κάμερα. Το κοινό στοιχείο σε όλες αυτές τις κινήσεις είναι η προσπάθεια να μετατραπεί η τεχνητή νοημοσύνη από ένα εργαλείο κειμένου σε κάτι που ο χρήστης βλέπει, ακούει και αντιλαμβάνεται σχεδόν σαν παρουσία απέναντί του. Η Google επιλέγει να ξεκινήσει τη μάχη αυτή από την πλευρά των επιχειρήσεων, δίνοντας πρώτα πρόσβαση σε πελάτες του Gemini Enterprise και όχι απευθείας στο ευρύ κοινό, κάτι που της επιτρέπει να δοκιμάσει την τεχνολογία σε ελεγχόμενο περιβάλλον πριν από μια ενδεχόμενη ευρύτερη κυκλοφορία.
Η οπτική του Pulse of Greece
Το Live Avatar δείχνει καθαρά προς τα πού κινείται ο ανταγωνισμός των μεγάλων εταιρειών AI: όχι μόνο σε καλύτερα μοντέλα κειμένου, αλλά σε ψηφιακούς συνομιλητές που μοιάζουν, ακούγονται και αντιδρούν όσο πιο κοντά γίνεται σε έναν άνθρωπο. Η ενσωμάτωση υδατογραφήματος από την πρώτη μέρα δείχνει ότι η Google έχει υπόψη της τον κίνδυνο σύγχυσης ανθρώπου-μηχανής, όμως το γεγονός ότι ακόμη και δοκιμαστές περιγράφουν τα avatar ως «περίεργα» δείχνει πόσο λεπτή είναι η γραμμή ανάμεσα σε μια πειστική ψηφιακή παρουσία και σε κάτι που απωθεί τον χρήστη αντί να τον εξυπηρετεί.
Η κεντρική εικόνα είναι συμβολική εικονογράφηση που δημιουργήθηκε με τεχνητή νοημοσύνη και δεν αποτελεί φωτογραφικό τεκμήριο.
