米Googleは、対話型AIにリアルタイムの映像表現を加える「Gemini 3.8 Live with Live Avatar」を発表した。
Gemini Enterpriseで提供を開始し、音声と動画を組み合わせた企業向けの自然な対話体験を打ち出す。
Live Avatar、表情と音声をリアルタイム生成
Googleが2026年9月24日に発表したGemini 3.8 Live with Live Avatarは、先般公開されたGemini 3.8 Liveを基盤に、ほぼリアルタイムの動画生成を統合した企業向け機能である。
ユーザーの声を聞き、映像を見ながら、動的なビジュアルペルソナを通じて応答することで、従来の音声AIよりも人間に近い対話体験を目指す。
特徴は、正確なリップシンク、自然な表情、滑らかなターンテイキングにある。
視覚情報と音声情報を同時に処理し、カスタマーサービスや施設案内などで、より直感的かつインタラクティブな応対を可能にする。
また、非同期ツール呼び出し（※）にも対応する。会話を継続したままバックグラウンドで外部ツールを起動し、必要なデータを取得できるため、ホテルのチェックインのような複数処理を伴うタスクでも、会話の流れを止めずに対応できる点が強みだ。
さらに、ネイティブな多言語音声間同期により97言語を切り替え可能で、言語変更時もリップシンクや表情を動的に適応させる。
プリセットに加え、参照画像を用いたカスタムアバターも用意されるが、現時点では企業向けの許可リスト登録ユーザーに限定される方針だ。
安全面では、Live Avatarが生成する音声と動画にSynthIDによる電子透かしを付与する。
音声と動画へ知覚できない透かしを直接組み込み、AI生成コンテンツを検出可能な状態にすることで、誤情報や誤った帰属の抑制を図る。
※非同期ツール呼び出し：会話処理を止めずに、別処理として外部ツールやデータ取得を並行実行する仕組み。応答の連続性を保ちながら、検索や予約、確認など複数の処理を進めやすくなる。
接客AIの用途拡大へ 企業の活用範囲広がる
Live Avatarの登場により、企業向けAIエージェントは「答える」だけでなく、表情や口の動きまで含めて接客を担う方向へ進む可能性がある。
特に多言語対応と継続的なツール実行を組み合わせれば、ホテルやカスタマーサービスなど、複雑な案内を必要とする業務で活用余地が広がるだろう。
企業ごとのブランド表現に対応できる点も重要である。高品質な参照画像を利用すれば、画像との類似性やブランドのスタイル、キャラクターのアイデンティティを維持しながら、応答型のアバターを構築できる。
一方、カスタムアバター機能は現時点で許可リスト登録ユーザーに限定されており、すべての企業が自由に利用できる段階ではない。
また、アバター利用範囲が広がれば詐欺など悪用リスクも無視できなくなるため、利便性と公開範囲のバランスは今後も問われることになるだろう。
今後は、音声やテキストだけのAIエージェントから、視覚的な存在感を持つ対話型エージェントへの移行が進む可能性がある。
リアルタイム性、多言語対応、外部ツールとの連携をどこまで業務へ組み込めるかが、企業におけるLive Avatar活用の焦点になりそうだ。
GoogleがGemini Liveを強化｜会話だけで作業まで進めるAIエージェントの実力
盛岡市がAI市長アバター実証 窓口案内の自動化を検証
自治体窓口がAI接客へ進化 多言語アバター導入で来庁体験が変わる
