記事のサマリー（TL;DR）
- Googleが Gemini 3.8 Live with Live Avatar を発表。低遅延ストリーミング映像と音声会話を統合し、リアルタイムで表情・リップシンクを生成
- 97言語のネイティブ音声間同期に対応。言語切替中も映像品質を維持し、カスタムアバター生成は高解像度参照画像1枚から実施可能
- 全出力に SynthID の透かしを埋め込み、AI生成コンテンツの検出を保証。Gemini Enterprise プランで2026年9月24日より提供中
コールセンター・接客DXを進める国内企業が注目すべき Live Avatar の実装ポイント
国内のコールセンターや接客業では、テキストチャットボットから音声・映像対話への移行が議論されてきましたが、コスト・多言語対応・ブランドイメージの一貫性という三つのハードルが壁になってきました。Live Avatar はこの三点を一つのAPIで解決しようとしています。
具体的には、ホテルのチェックイン対応デモのように、対話を途切れさせずにバックグラウンドで予約システムや顧客データベースへのツール呼び出しを並行実行できます。これは既存のCRMやkintone、Salesforceなど業務SaaSと連携させるうえで重要な設計で、ユーザー体験を損なわずにバックエンド処理を差し込む構造が標準化されている点は実装上の大きな利点です。
97言語対応かつ日本語のリップシンク精度が実用水準に達しているかは今後の検証課題ですが、英語・中国語・日本語を一つのアバターで切り替えるインバウンド対応や、グローバル展開するEC事業者の多言語サポートへの応用は現実的な選択肢として浮上します。カスタムアバターは現時点でエンタープライズのアローリスト審査が必要なため、PoC着手は早めに申請するのが得策です。
詳細
Gemini 3.8 Live with Live Avatar とは
2026年9月17日にリリースされた Gemini 3.8 Live の翌週、Googleはライブダイアログモデルにリアルタイムのビジュアルプレゼンス機能を組み合わせた Live Avatar を発表しました。開発はGemini Audio TeamのShuo-yiin Chang（研究科学者）とCJ Zheng（ソフトウェアエンジニア）が中心となっています。
音声と映像をほぼリアルタイムで同時処理し、動的なビジュアルペルソナとして応答します。精密なリップシンク、自然な表情生成、スムーズなターンテイキングを備え、企業がバーチャルサービスをよりインタラクティブに拡張することを目的としています。
より自然なマルチモーダル会話
会話は本来マルチモーダルです。人間は聴き、見て、話し、表情で意思を伝えます。Live Avatar はこれらの能力をエンタープライズエージェントに実装します。視覚と音声の入力を同時に処理することで、より包括的な体験を生み出します。
非同期ツール実行と継続的なプレゼンス
Live Avatar のもう一つの核心機能が 非同期ツール呼び出し（Asynchronous Tool Calling） です。アバターが対話を継続しながら、バックグラウンドでツールを起動してデータを取得できます。ホテルのゲストチェックインデモでは、会話を途切れさせることなく予約確認やルームアサインメントを裏で完結させる様子が示されています。複雑なタスクを処理しつつ会話フローを維持する、エンタープライズ向けエージェント設計の実例です。
グローバルスケールに対応した会話体験
Live Avatar は 97言語のネイティブな音声間（speech-to-speech）同期に対応しています。言語切替の際もリップシンクと表情がダイナミックに適応し、映像の品質劣化や視覚的なズレ（visual drift）を生じさせません。一つの会話セッション内で言語を横断できるため、グローバル展開する企業の多言語カスタマーサポートに直接適用可能です。
ブランドに合わせたカスタムアバター
企業には独自のビジュアルアイデンティティが求められます。Live Avatar はプリセットの多様なアバターライブラリに加え、カスタムアバター生成に対応しています。高品質な参照画像1枚から、完全にアニメーション化されたレスポンシブなアバターを生成でき、参照画像の外見・ブランドスタイル・キャラクターのアイデンティティが保持されます。ただし、カスタムアバター生成は現時点で**エンタープライズのアローリスト（enterprise allowlisting）**経由のみで利用可能です。
透明性と安全性——SynthID 透かし
Live Avatar はアイデンティティを尊重し、AI生成コンテンツを透明に保つための厳格なセーフガードを実装しています。すべてのAI出力には SynthID の透かしが埋め込まれます。この知覚不可能な透かしは音声・映像出力に直接織り込まれ、AI生成コンテンツの検出を可能にすることで誤情報や誤帰属の抑制を目的としています。
提供状況
Gemini 3.8 Live with Live Avatar は Gemini Enterprise プランで即日利用可能です。API ドキュメントから実装を開始できます。カスタムアバター機能はエンタープライズのアローリスト審査が必要です。