సెప్టెంబర్ 24న Gemini 3.8 Liveతో Live Avatarను Google సాధారణ వినియోగానికి అందించింది. కెమెరా లేదా స్క్రీన్ ఇన్‌పుట్ స్వీకరించి, సంభాషణలో బాహ్య సాధనాలను కూడా పిలవగల తన లైవ్ వాయిస్ మోడల్‌కు ఇది మాట్లాడే, కదిలే ముఖాన్ని జోడిస్తుంది. వినియోగదారులతో నేరుగా పనిచేసే ఏజెంట్లను నిర్మించే డెవలపర్లకు, వీడియో అవుట్‌పుట్‌ను సమీకృతంగా పొందే సౌకర్యం, దానికి పత్రబద్ధమైన API మార్గం ప్రధాన మార్పు. అవతార్ సేవా ఫలితాలను మెరుగుపరుస్తుందని లేదా ప్రతి పరిస్థితిలో నమ్మదగినదని ఈ ప్రకటన నిర్ధారించదు.

పెద్ద మార్పు

  • ఏం మారింది:Google యొక్క డెవలపర్ మార్గదర్శిని గత Live మోడల్‌లోని మాటల అవుట్‌పుట్‌కు సమకాలిక అవతార్ వీడియోను జోడిస్తుంది. ఇప్పుడు డెవలపర్లు ఒకే స్ట్రీమింగ్ API నుంచి మాట్లాడే ముఖం, స్వరం పొందవచ్చు.
  • ఇది ఎందుకు ముఖ్యం: కస్టమర్ సేవా ఏజెంట్లను నిర్మించే బృందాలు వేరే అవతార్ రెండరింగ్ వ్యవస్థ అవసరం లేకుండా దృశ్యరూప ఉనికిని జోడించవచ్చు. అయినా వారి అప్లికేషన్లే సాధనాల పిలుపులను అమలు చేయాలి, వైఫల్యాలను నిర్వహించాలి; యానిమేషన్ వల్ల లావాదేవీ విజయవంతమైందని నిర్ధారణ కాదు.
  • ఏమి గమనించాలి: ముందుగా నిర్ణయించాల్సింది రెడీమేడ్ అవతార్‌ను ఎంచుకోవాలా, ప్రత్యేక వ్యక్తి పోలికను రూపొందించాలా అనేది. Google యొక్క కాన్ఫిగరేషన్ మార్గదర్శిని ప్రత్యేక అవతార్‌లను ఎంపిక చేసిన కస్టమర్లకే పరిమితం చేస్తుంది; ముఖం లేదా స్వర నమూనాలకు హక్కులు, సమ్మతి అవసరం. కాబట్టి బ్రాండ్‌కు అనుగుణమైన పోలికను వాడటానికి ప్రత్యేక అనుమతి, సమ్మతి నిర్ణయం తీసుకోవాలి.

అవతార్ అందుబాటులో ఉంది; ప్రత్యేక పోలికకు వేరే అనుమతి ఉంది

తన ప్రారంభ ప్రకటనలో, లైవ్ ఆడియో, దృశ్య ఇన్‌పుట్‌కు స్పందించడం, భాషలు మార్చడం, సాధన పిలుపు నడుస్తున్నప్పటికీ హోటల్ చెక్-ఇన్ సంభాషణను కొనసాగించడం వంటి అవతార్ ఉదాహరణలను Google చూపించింది. అవి కంపెనీ ప్రదర్శనలు. ఉద్దేశించిన పరస్పర చర్యను చూపుతాయి; కానీ కొలిచిన లోపాల రేటు, అందుబాటు సామర్థ్య ఫలితం లేదా మెరుగైన కస్టమర్ సేవకు ఆధారాన్ని ఇవ్వవు.

ఈ ఫీచర్ Gemini Enterpriseలో, API ద్వారానూ సాధారణంగా అందుబాటులో ఉందని, అమెరికా, ఐరోపా యూనిట్ endpoints ఉన్నాయని Google Cloud ప్రకటన చెబుతోంది. డెవలపర్లు ముందుగా సిద్ధం చేసిన అవతార్‌లను ఎంచుకోవచ్చు. ఒక వ్యక్తి సూచన చిత్రంతో అవతార్ సృష్టించడం మాత్రం ఎంపిక చేసిన సంస్థలకే పరిమితం; Google Cloud ద్వారా ప్రత్యేక ప్రాప్యత కోరాలి. కాన్ఫిగరేషన్ మార్గదర్శిని ప్రకారం, ముఖం లేదా స్వర నమూనాలను ప్రాసెస్ చేయడానికి అవసరమైన హక్కులు, సమ్మతులు పొందే బాధ్యత కస్టమర్లదే.

మోడల్ పేజీలో gemini-3.8-live మోడల్ గుర్తింపుతో పాటు అందుబాటు ప్రాంతాలను us మరియు eu బహుళ-ప్రాంతాలుగా, us-central1గా జాబితా చేస్తుంది. సాధారణ వినియోగానికి అనుగుణంగా చెల్లించడం, కేటాయించిన throughput రెండూ మద్దతు ఉన్న వినియోగ ఎంపికలని పేర్కొంటుంది. సాధారణంగా అందుబాటులో ఉందని భావించి తమ విస్తరణకూ ప్రాప్యత ఉందని నిర్ణయించే ముందు, బృందాలు తమ endpoint, వాణిజ్య నిబంధనలను పరిశీలించాలి.

సంభాషణ ఇప్పటికీ అప్లికేషన్‌పైనే ఆధారపడి ఉంటుంది

Gemini 3.8 Live అనేది ప్రసంగం నుంచి ప్రసంగం అందించే వ్యవస్థగా Google వివరిస్తోంది. ఇది లైవ్ కెమెరా ఫ్రేమ్‌లు లేదా స్క్రీన్ భాగస్వామ్యాన్ని స్వీకరించి, తిరిగి మాటలు, వీడియో పంపగలదు. సాధనం మాట్లాడుతూనే నడిచే పిలుపులు, సమాధానం వచ్చే వరకు వేచి ఉండే బ్లాకింగ్ పిలుపులను తన డెవలపర్ మార్గదర్శిని వేరుచూపుతుంది. డెవలపర్లు తమ సాధనాలను అనుసంధానించి, వాటిని వినియోగించేందుకు అనుమతి ఇచ్చి, వాటి ఫలితాలను నిర్వహించి, ఏ చర్యకు ఏజెంట్‌కు అనుమతి ఇవ్వాలో నిర్ణయించాలి. సమాచారం వెతికేటప్పుడు ముఖం తెరపై ఉండటం వల్ల ఆ శోధన విజయవంతమైందని తెలియదు.

సాధనం ఇచ్చే ప్రతిస్పందనలో స్థితి, మళ్లీ ప్రయత్నించడం సమంజసమా అనే సమాచారం ఉండాలని మార్గదర్శిని చెబుతోంది; అసలు పిలుపు IDతో సరిపోలాలి; అలాగే పునరావృత సాధన పిలుపులకు డెవలపర్లు పరిమితి పెట్టాలి. ఖాతా శోధనలో ఫలితం రాకపోయినా, ప్రక్రియకు అంతరాయం కలిగినా ఏజెంట్ ఎలా స్పందిస్తాడనే దానిపై ఈ నియమాలు ప్రభావం చూపుతాయి. 97 భాషల మధ్య మారగలదని Gemini 3.8 Live గురించి Google ఇంకా చెబుతోంది. ఆ భాషలన్నింటిలోనూ పెదవుల కదలికలు మాటలకు సరిపోతాయన్న ప్రకటనను మేమిక్కడ స్వతంత్రంగా కొలవలేదు.

రూపొందించిన ఆడియో, వీడియోలో SynthID వాటర్‌మార్క్‌లు ఉంటాయని, ప్రత్యేక పోలికల సృష్టిపై పరిమితులు ఉన్నాయని Google చెబుతోంది. అవి ప్రకటించిన రక్షణ చర్యలు మాత్రమే; ప్రతి వీక్షకుడూ అవతార్ కృత్రిమమని గుర్తిస్తాడనడానికి లేదా దుర్వినియోగం నివారించబడుతుందనడానికి ఆధారాలు కావు. అమలును అంచనా వేయాలంటే సమ్మతి, వెల్లడింపు, లైవ్ కెమెరా, స్వర డేటా నిర్వహణ, విఫలమైన సాధన పిలుపులు, అంతరాయాలకు ప్రతిస్పందన, నిజమైన వినియోగదారులతో గమనించిన పనితీరును పరిశీలించాలి. ప్రచురించిన ప్రారంభ సమాచారం, పత్రాలు ఆ ఫలితాలను అందించవు.

మూలాలు, మరింత చదవడానికి

  • Google Live Avatar ప్రకటన (2026 సెప్టెంబర్ 24) కంపెనీ ఉద్దేశించిన పరస్పర చర్యలు, బహుభాషా అవతార్, SynthID వాదనలను వివరిస్తుంది, చూపిస్తుంది. దాని ప్రదర్శనలు స్వతంత్ర పనితీరు పరీక్షలు కావు.
  • Google Cloud: Gemini 3.8 Live with Live Avatar ఇప్పుడు సాధారణ వినియోగానికి అందుబాటులో ఉంది (2026 సెప్టెంబర్ 24) సంస్థల ప్రాప్యత, అమెరికా, ఐరోపా endpoints, రెడీమేడ్, అనుమతి-పరిమిత ప్రత్యేక అవతార్‌లు, ఉదాహరణ అప్లికేషన్లను వివరిస్తుంది. అక్కడి కస్టమర్ వ్యాఖ్యలు ప్రచార వర్ణనలు; ఈ కథనంలో ఉపయోగించిన ఫలితాల కొలమానాలు కావు.
  • Gemini 3.8 Live డెవలపర్ మార్గదర్శిని (2026 సెప్టెంబర్ 24న నవీకరించబడింది) మోడళ్ల పోలిక, స్ట్రీమింగ్ ఫార్మాట్, సాధన పిలుపుల ప్రవర్తనను నమోదు చేస్తుంది. నిర్దిష్ట అమలులో కొలిచిన పనితీరుకాక, API ప్రవర్తనను వివరిస్తుంది.
  • Gemini 3.8 Live మోడల్ పేజీ (2026 సెప్టెంబర్ 24న నవీకరించబడింది) మోడల్ ID, సాధారణ విడుదల తేదీ, ప్రాంతాలు, వినియోగ ఎంపికలను జాబితా చేస్తుంది. నిర్దిష్ట ప్రాజెక్ట్, endpointకు అందుబాటును మళ్లీ పరిశీలించాలి.
  • Live Avatarలను కాన్ఫిగర్ చేయడం (2026 సెప్టెంబర్ 25న పరిశీలించబడింది) సిద్ధంగా ఉన్న అవతార్‌ల API అమరికను, ప్రత్యేక పోలికల కోసం ప్రాప్యత, సమ్మతి, చిత్ర అవసరాలను వివరిస్తుంది.