Google je 24. septembra omogućio opštu dostupnost funkcije Live Avatar uz Gemini 3.8 Live. Ona dodaje animirano lice koje govori Googleovom glasovnom modelu uživo; model može da prima i sliku sa kamere ili ekrana i da tokom razgovora poziva spoljne alate. Za programere koji izrađuju agente za direktan kontakt sa korisnicima, praktična novina su objedinjeni video izlaz i dokumentovan način korišćenja API-ja. Saopštenje ne utvrđuje da avatar poboljšava rezultate usluge niti da pouzdano radi u svakom okruženju.

Velika promena

  • Šta se promenilo: Googleov vodič za programere dodaje sinhronizovani video avatara govornom izlazu koji je bio dostupan u ranijem Live modelu. Programeri sada mogu da dobiju lice koje govori i glas putem jednog API-ja za strimovanje.
  • Zašto je važno: Timovi koji razvijaju agente za korisničku podršku mogu da dodaju vizuelno prisustvo bez zasebnog procesa za prikaz avatara. Njihove aplikacije i dalje izvršavaju pozive alata i obrađuju greške; animacija ne dokazuje da je transakcija uspešno obavljena.
  • Šta treba pratiti: Neposredan izbor pri dizajnu je između unapred podešenog avatara i lika po meri. Googleov vodič za podešavanje ograničava prilagođene avatare na odabrane korisnike i zahteva odgovarajuća prava i saglasnost za uzorke lica ili glasa. Za brendirani lik zato je potrebno zasebno odobrenje pristupa i saglasnosti.

Avatar je dostupan; za prilagođeni lik potrebna je posebna dozvola

U svojoj objavi o predstavljanju, Google prikazuje avatare koji reaguju na zvuk i sliku uživo, menjaju jezik i nastavljaju razgovor pri prijavi u hotel dok je poziv alata u toku. To su demonstracije kompanije. One prikazuju predviđeni način interakcije, ali ne daju izmerenu stopu greške, rezultate u pogledu pristupačnosti niti dokaze o boljoj korisničkoj usluzi.

U saopštenju Google Cloud-a navodi se da je funkcija opšte dostupna u Gemini Enterprise-u i putem API-ja, uz krajnje tačke za SAD i EU. Programeri mogu da izaberu unapred podešene avatare. Kreiranje avatara na osnovu referentne fotografije neke osobe i dalje je ograničeno na odabrane poslovne korisnike, koji moraju da zatraže pristup preko Google Cloud-a. Vodič za podešavanje navodi da su korisnici odgovorni za pribavljanje prava i saglasnosti potrebnih za obradu uzoraka lica ili glasa.

Stranica modela navodi ID gemini-3.8-live i dostupnost u više regiona (us, eu) i u regionu us-central1. Navodi standardno plaćanje prema potrošnji i rezervisani protok kao podržane načine korišćenja. Pre nego što opštu dostupnost protumače kao univerzalan pristup, timovi treba da provere krajnju tačku i komercijalne uslove za sopstvenu primenu.

Razgovor i dalje zavisi od aplikacije

Google opisuje Gemini 3.8 Live kao sistem koji pretvara govor u govor, prima snimke sa kamere uživo ili deljenje ekrana i vraća govor i video. U njegovom vodiču za programere razlikuju se pozivi koji se odvijaju dok agent nastavlja da govori od blokirajućih poziva koji čekaju odgovor. Aplikacija i dalje mora da poveže i ovlasti sopstvene alate, obradi njihove rezultate i odredi koje radnje agent sme da preduzme. To što lice ostaje na ekranu dok se nešto traži ne dokazuje da je pretraga uspela.

Vodič navodi da odgovori alata treba da sadrže status i informaciju o tome da li vredi ponoviti poziv; moraju da odgovaraju ID-ju prvobitnog poziva; programeri treba da ograniče broj ponovljenih poziva alata. Ti zahtevi utiču na to kako agent postupa kada ne pronađe korisnički nalog ili kada dođe do prekida. Google takođe navodi da Gemini 3.8 Live može da prebacuje između 97 jezika. Tvrdnja iz saopštenja da pokreti usana ostaju usklađeni na svim tim jezicima ovde nije nezavisno proverena.

Google navodi da generisani zvuk i video sadrže vodene žigove SynthID i ograničava izradu prilagođenih likova. To su deklarisane mere zaštite, a ne dokaz da će svaki gledalac prepoznati avatar kao sintetički niti da je zloupotreba sprečena. Procena primene trebalo bi da obuhvati saglasnost, obaveštavanje, obradu slike sa kamere i glasovnih podataka uživo, neuspešne pozive alata, ponašanje pri prekidima i rezultate u radu sa stvarnim korisnicima. Objavljeni materijali o predstavljanju i dokumentacija ne sadrže te rezultate.

Izvori i dodatna literatura

  • Googleovo saopštenje o Live Avataru (24. septembar 2026) opisuje i prikazuje nameravane načine interakcije, tvrdnje o višejezičnim avatarima i SynthID-u. Demonstracije nisu nezavisna ispitivanja učinka.
  • Objava Google Cloud-a o opštoj dostupnosti (24. septembar 2026) navodi dostupnost za preduzeća, krajnje tačke u SAD i EU, unapred podešene avatare i ograničen pristup prilagođenim avatarima, kao i primere primene. Komentari korisnika u objavi su promotivni navodi, a ne merenja ishoda korišćena u ovom članku.
  • Vodič za programere za Gemini 3.8 Live (ažurirano 24. septembra 2026) opisuje poređenje modela, format strimovanja i ponašanje poziva alata. Dokumentuje ponašanje API-ja, a ne izmerene rezultate u konkretnoj primeni.
  • Stranica modela Gemini 3.8 Live (ažurirano 24. septembra 2026) navodi ID modela, datum opšte dostupnosti, regione i načine potrošnje. Dostupnost za konkretan projekat i krajnju tačku treba ponovo proveriti.
  • Podešavanje avatara uživo (provereno 25. septembra 2026) opisuje podešavanje API-ja za standardne avatare i uslove pristupa, saglasnosti i fotografija za prilagođene likove.