Google ha dado a conocer Gemini 3.8 Live con Live Avatar, una herramienta que dota a la inteligencia artificial conversacional de un rostro animado que se sincroniza con la voz, pensada exclusivamente para el entorno corporativo. El anuncio se hizo efectivo de inmediato para las compañías que operan sobre Google Cloud.
Esta funcionalidad fusiona el diálogo en vivo de Gemini con la generación de video de baja latencia. El resultado es un avatar que escucha, observa y responde con una sincronización precisa de labios, gestos faciales y cambios de turno naturales en la conversación.
La descripción oficial fue publicada en el blog corporativo de Google, firmada por Shuo-yiin Chang, científica investigadora, y CJ Zheng, ingeniera de software, ambas integrantes del equipo de audio de Gemini.
Orientada a empresas, no al usuario común
Live Avatar está diseñada para organizaciones que desean implementar atención al cliente o visitas interactivas mediante un personaje virtual. Google la propone como un canal adicional de contacto digital que imita una interacción humana.
La función ya se encuentra disponible dentro de Gemini Enterprise, la plataforma de agentes de inteligencia artificial de Google Cloud. La compañía ha remitido a su documentación técnica para que los desarrolladores comiencen a integrarla en sus productos.
Este lanzamiento se produce apenas nueve días después de que Google presentara Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, los modelos de diálogo en vivo sobre los que se sustenta esta nueva capacidad visual.
Aquella actualización, ocurrida el 15 de septiembre, había optimizado el razonamiento y la ejecución de tareas por voz, pero aún carecía del componente visual que ahora incorpora Live Avatar.
Según datos citados por Google en ese momento, Gemini 3.8 Live Extended Thinking lideró el índice de calidad de voz a voz de la firma Artificial Analysis con una puntuación de 82,6 puntos, y resolvió el 97,7% de las pruebas de razonamiento por audio de Big Bench Audio.
En ese anuncio anterior, la empresa ya había mencionado a Salesforce, Genspark y Lumeris como firmas que probaron los modelos de diálogo en vivo, destacando su baja latencia y la capacidad de ejecutar herramientas durante la conversación.
Google también señaló que plataformas de desarrollo como Agora, LiveKit, Pipecat y Vercel ya han integrado la interfaz de programación de diálogo en vivo, permitiendo a otros equipos construir interfaces de voz sin necesidad de gestionar la infraestructura de transmisión en tiempo real.
Tareas simultáneas sin pausar el diálogo
Uno de los aspectos más destacados por Google es la ejecución asíncrona de herramientas. El avatar puede activar funciones y buscar información en segundo plano mientras la conversación continúa, sin interrumpir el intercambio con el usuario.
A modo de ejemplo, la compañía mostró un escenario en el que el avatar gestiona el check-in de un huésped en un hotel: consulta la reserva y realiza trámites internos mientras sigue hablando con normalidad.
La herramienta también está diseñada para operar a escala global. Live Avatar sincroniza el movimiento de los labios y las expresiones faciales con el habla en 97 idiomas y puede alternar entre ellos en medio de una misma conversación sin que se degrade la calidad del video.
Esa transición, según precisó Google, ocurre sin perder fidelidad visual ni generar artefactos perceptibles en el rostro del avatar.
A diferencia de los modelos base, que desde el 15 de septiembre también llegaron al público general a través de Search Live y la aplicación de Gemini, Live Avatar queda por ahora restringido al entorno empresarial de Google Cloud.
Avatares personalizados y marcas de agua
Google mostró en el mismo anuncio ejemplos de distintos personajes con voces y estilos visuales propios, con el fin de ilustrar el abanico de identidades que un mismo avatar puede adoptar según la marca que lo utilice.
Las organizaciones pueden optar por una biblioteca de avatares prediseñados o generar uno propio a partir de una imagen de referencia, conservando el parecido y el estilo visual de esa marca.
Por ahora, la creación de avatares personalizados solo está disponible para clientes empresariales autorizados por Google mediante un sistema de lista de acceso restringido.
Todo el contenido producido por Live Avatar, tanto en audio como en video, queda marcado con SynthID, la tecnología de marca de agua desarrollada por Google DeepMind. Según la empresa, ese sello se incrusta de forma imperceptible en el audio y el video, permitiendo identificar posteriormente que el material fue generado por inteligencia artificial.
Google enmarcó esta protección como parte de un objetivo declarado de transparencia, orientado a reducir la desinformación y la atribución errónea de contenido generado por sus propios modelos.
La empresa también publicó una ficha técnica del modelo de audio subyacente, con el detalle de sus capacidades y de las salvaguardas aplicadas antes de este lanzamiento.
La compañía remitió a la documentación de la interfaz de programación de Gemini Enterprise y a su consola de administración para los desarrolladores que deseen comenzar a construir con la nueva función a partir de hoy.
Fuente: Infobae