記事

Gemini 3.8にLive Avatar登場——AIが表情豊かな映像で会話する新機能

GoogleがGemini 3.8 LiveにLive Avatarを追加しました。リアルタイムの映像生成と音声を組み合わせ、97言語に対応する会話型AIアバターの仕組みを紹介します。

Googleは、対話型AI「Gemini」の音声対話モデルに、近リアルタイムで映像を生成する新機能「Live Avatar」を追加したと発表しました。先週リリースされた「Gemini 3.8 Live」の音声対話能力に、低遅延のストリーミング映像を組み合わせることで、聞く・見る・話すを同時にこなす映像付きのAI対話を実現します。すでに企業向けのGemini Enterpriseで利用が始まっており、カスタマーサポートや案内業務など、人と直接やり取りする場面での活用が想定されています。

Gemini 3.8 Liveファミリーの一角として登場

Live Avatarは単独の新機能ではなく、Googleが矢継ぎ早に展開してきた「Gemini 3.8」シリーズの音声対話機能群の延長線上に位置づけられています。先週公開された「Gemini 3.8 Live」と拡張思考モードの「3.8 Live Extended Thinking」、さらに音声合成機能の「Gemini 3.8 text-to-speech」など、Googleはここ数週間で音声・対話まわりのアップデートを立て続けに打ち出してきました。Live Avatarはこの一連の流れに映像という新しい軸を加えるもので、テキスト・音声・映像を横断した会話体験の完成度を高めようとするGoogleの姿勢がうかがえます。

映像と音声を同時に処理する自然な会話

Live Avatarは、精緻なリップシンクと自然な表情、途切れのないターンテイキングを備え、動的な映像上の人格として振る舞います。会話は本来、聞く・見る・話す・表情で伝えるといった複数の要素が同時に絡み合うものですが、Live Avatarは視覚と音声の入力を同時に処理することで、テキストや音声のみのやり取りよりも踏み込んだ会話体験をエンタープライズ向けエージェントにもたらします。カスタマーサービスの窓口や、インタラクティブな案内といった用途で、より人間らしいやり取りを提供できる点が特徴です。

淡い青色を背景にした、白い吹き出し型シェイプふたつのクローズアップ 画像引用元: Google Blog

会話を止めずにバックグラウンドでタスクを処理

Live Avatarは視覚的な存在感だけでなく、Geminiの高度な推論能力にも支えられています。非同期のツール呼び出しに対応しているため、対話を続けながらバックグラウンドでツールを起動しデータを取得できます。たとえばホテルのチェックイン対応では、宿泊者との会話を途切れさせることなく、裏側で予約情報の照会や部屋の割り当てといった複雑な処理を並行して進められます。会話の流れを止めずに複雑なタスクをこなせる点は、実際の窓口業務を代替するうえで実用上大きな意味を持ちます。

97言語に対応した多言語対応

対話における存在感は、特定の言語に限定されるべきではないという考え方のもと、Live Avatarはネイティブな多言語音声同期に対応しています。リップシンクと表情は会話の流れに合わせて動的に切り替わり、映像の品質を落としたり不自然な揺らぎを生じさせたりすることなく、97の言語間をシームレスに移行できます。グローバルに展開する企業がひとつのアバターで多様な言語圏の顧客に対応できるようになる点は、従来の音声のみのボイスボットにはなかった強みです。

ブランドに合わせたアバターのカスタマイズと安全性

企業ごとに異なるビジュアルアイデンティティのニーズに応えるため、あらかじめ用意された多様なプリセットアバターに加えて、組織独自のLive Avatarをカスタマイズすることも可能です。高品質な参照画像から、参照した人物の特徴やブランドの雰囲気、キャラクターの個性を保ったまま、完全にアニメーション化された応答性の高いアバターを生成できます。ただし現時点でカスタムアバターの作成は、エンタープライズ向けの許可リストを通じてのみ提供されています。安全性の面では、Live Avatarが生成するすべての映像・音声出力に電子透かし技術「SynthID」が組み込まれており、AI生成コンテンツであることを検出しやすくすることで誤情報や誤帰属のリスクを抑える設計になっています。

映像付きのAI対話は、これまで音声やテキストだけでは伝えきれなかったニュアンスを補う手段として注目されてきましたが、実際の業務に耐えるレベルの品質と多言語対応、そしてバックグラウンド処理の両立は簡単ではありませんでした。Live Avatarはこれらを組み合わせることで、企業の顧客対応をより自然な形に近づけようとしています。現状はGemini Enterpriseでの提供に限られていますが、今後どこまで一般利用へ広がっていくか、APIドキュメントの整備状況とあわせて注目したいところです。