Google نے 24 ستمبر کو Gemini 3.8 Live کے ساتھ Live Avatar عام دستیابی کے لیے جاری کیا۔ یہ کمپنی کے لائیو صوتی ماڈل میں بولتا ہوا متحرک چہرہ شامل کرتا ہے؛ ماڈل گفتگو کے دوران کیمرے یا اسکرین سے مواد بھی وصول کرسکتا ہے اور بیرونی ٹولز چلا سکتا ہے۔ صارفین کے لیے ایجنٹ بنانے والے ڈویلپرز کو اب ویڈیو آؤٹ پٹ اور اس کے لیے دستاویزی API ایک ہی نظام میں ملتی ہے۔ اعلان یہ ثابت نہیں کرتا کہ اوتار سروس کے نتائج بہتر بناتا ہے یا ہر ماحول میں قابلِ اعتماد کام کرتا ہے۔

بڑی تبدیلی

  • کیا بدلا: Google کی ڈویلپر رہنمائی اب اس کے پہلے Live ماڈل میں دستیاب صوتی آؤٹ پٹ کے ساتھ ہم آہنگ اوتار ویڈیو شامل کرتی ہے۔ اب ڈویلپر ایک ہی streaming API سے بات کرتا چہرہ اور آواز حاصل کرسکتے ہیں۔
  • یہ کیوں اہم ہے: کسٹمر سروس کے ایجنٹ بنانے والی ٹیمیں الگ اوتار بنانے کا نظام قائم کیے بغیر بصری موجودگی شامل کرسکتی ہیں۔ ان کی ایپلی کیشنز کو پھر بھی ٹول کالز چلانی اور ناکامیوں سے نمٹنا ہوگا؛ حرکت کرتی تصویر یہ ثابت نہیں کرتی کہ لین دین کامیاب ہوا۔
  • کن باتوں پر نظر رکھیں: فوری ڈیزائن فیصلہ پہلے سے طے شدہ اوتار اور کسی مخصوص شخص کی شبیہ میں سے انتخاب ہے۔ Google کی ترتیب کی رہنمائی مخصوص اوتاروں کو منتخب صارفین تک محدود کرتی ہے اور چہرے یا آواز کے نمونوں کے لیے حقوق اور رضامندی درکار قرار دیتی ہے۔ برانڈ سے مماثل شبیہ کے لیے اس لیے رسائی اور رضامندی کا الگ فیصلہ درکار ہے۔

اوتار دستیاب ہے؛ مخصوص شبیہ کے لیے الگ اجازت درکار ہے

اپنی اجرا کی پوسٹ میں Google نے اوتاروں کو لائیو آڈیو اور بصری مواد پر ردِعمل دیتے، زبانیں بدلتے، اور ٹول کال کے دوران ہوٹل میں داخلے کی گفتگو جاری رکھتے دکھایا۔ یہ کمپنی کے مظاہرے ہیں۔ ان سے مطلوبہ تعامل دکھتا ہے، مگر غلطی کی شرح، رسائی پذیری کے نتائج یا بہتر کسٹمر سروس کا ثبوت نہیں ملتا۔

Google کے Cloud کے اعلان کے مطابق یہ سہولت Gemini Enterprise اور API کے ذریعے عام دستیاب ہے، اور امریکی و یورپی یونین کے endpoints پر چلتی ہے۔ ڈویلپر پہلے سے طے شدہ اوتار چن سکتے ہیں۔ کسی شخص کی حوالہ جاتی تصویر سے نیا اوتار بنانا منتخب ادارہ جاتی صارفین تک محدود ہے، جنہیں Google Cloud سے رسائی کی درخواست دینی ہوگی۔ ترتیب کی رہنمائی کے مطابق چہرے یا آواز کے نمونے پراسیس کرنے کے لیے درکار حقوق اور رضامندی حاصل کرنا صارفین کی ذمہ داری ہے۔

ماڈل کا صفحہ ماڈل ID gemini-3.8-live اور دستیابی درج کرتا ہے: us اور eu کثیرعلاقائی خطوں میں، اور us-central1 خطے میں۔ اس میں عام استعمال کے حساب سے ادائیگی اور مختص کردہ throughput، دونوں کو معاون استعمال کے طریقوں کے طور پر درج کیا گیا ہے۔ عام دستیابی کو ہر جگہ رسائی سمجھنے سے پہلے ٹیموں کو اپنے اجرا کے endpoint اور تجارتی شرائط جانچنی چاہئیں۔

گفتگو پھر بھی ایپلی کیشن پر منحصر ہے

Google، Gemini 3.8 Live کو آواز سے آواز تک کام کرنے والا نظام بتاتا ہے جو لائیو کیمرے کی تصاویر یا اسکرین شیئر وصول کرکے جواب میں آواز اور ویڈیو دے سکتا ہے۔ اس کی ڈویلپر رہنمائی ان ٹول کالز میں فرق کرتی ہے جو ایجنٹ کے بولتے رہنے کے دوران چلتی ہیں اور ان کالز میں جو جواب آنے تک انتظار کرتی ہیں۔ ایپلی کیشن کو اپنے ٹولز سے رابطہ اور انہیں استعمال کرنے کی اجازت خود دینی، نتائج سنبھالنے اور ایجنٹ کے ممکنہ اقدام کا فیصلہ کرنا ہوتا ہے۔ تلاش کے دوران اسکرین پر قائم رہنے والا چہرہ یہ ثابت نہیں کرتا کہ تلاش کامیاب ہوئی۔

رہنمائی کے مطابق ٹول کے جوابات میں حیثیت اور یہ بتایا جانا چاہیے کہ دوبارہ کوشش مناسب ہے یا نہیں؛ انہیں اصل کال ID سے مطابقت رکھنا چاہیے؛ اور ڈویلپرز کو بار بار ٹول کال کرنے کی حد مقرر کرنی چاہیے۔ ان تقاضوں سے طے ہوتا ہے کہ ایجنٹ خالی اکاؤنٹ تلاش یا رابطہ منقطع ہونے پر کیسے کام کرتا ہے۔ Google یہ بھی کہتا ہے کہ Gemini 3.8 Live، 97 زبانوں میں منتقل ہوسکتا ہے۔ ان زبانوں میں ہونٹوں کی حرکت اور آواز کی مطابقت برقرار رہنے کے اعلان کے دعوے کی یہاں آزادانہ پیمائش نہیں کی گئی۔

Google کا کہنا ہے کہ بنائی گئی آواز اور ویڈیو میں SynthID واٹرمارک ہوتے ہیں اور مخصوص شبیہ پر مبنی اوتار بنانے پر پابندی ہے۔ یہ بیان کردہ حفاظتی اقدامات ہیں؛ اس بات کا ثبوت نہیں کہ ہر دیکھنے والا اوتار کو مصنوعی پہچان لے گا یا غلط استعمال رک جائے گا۔ کسی اجرا کے جائزے میں رضامندی، انکشاف، لائیو کیمرے اور آواز کے ڈیٹا کا انتظام، ناکام ٹول کالز، گفتگو میں مداخلت اور حقیقی صارفین کے ساتھ دیکھی گئی کارکردگی جانچنی ہوگی۔ جاری کردہ اعلان اور دستاویزات یہ نتائج فراہم نہیں کرتے۔

ذرائع اور مزید مطالعہ

  • Google کا Live Avatar اعلان (24 ستمبر 2026) کمپنی کے مطلوبہ تعامل، کئی زبانوں اور SynthID سے متعلق دعوے بیان کرتا اور دکھاتا ہے۔ مظاہرے آزادانہ کارکردگی کے ٹیسٹ نہیں۔
  • Google Cloud کی عام دستیابی کی پوسٹ (24 ستمبر 2026) ادارہ جاتی دستیابی، امریکی و یورپی یونین endpoints، پہلے سے طے شدہ اور محدود کسٹم اوتار، اور مثال کی ایپلی کیشنز بیان کرتی ہے۔ وہاں صارفین کے تبصرے تشہیری بیانات ہیں، اس کہانی میں استعمال شدہ نتائج کی پیمائش نہیں۔
  • Gemini 3.8 Live کے لیے ڈویلپر رہنمائی (24 ستمبر 2026 کو تازہ کی گئی) ماڈل کا موازنہ، streaming فارمیٹ اور ٹول کال کے طریقے درج کرتی ہے۔ یہ API کے مطلوبہ رویے کی وضاحت ہے، کسی مخصوص اجرا میں ناپی گئی کارکردگی نہیں۔
  • Gemini 3.8 Live ماڈل کا صفحہ (24 ستمبر 2026 کو تازہ کی گئی) ماڈل ID، عام دستیابی کی تاریخ، علاقے اور استعمال کے طریقے درج کرتا ہے۔ کسی مخصوص منصوبے اور endpoint کے لیے دوبارہ دستیابی جانچنی چاہیے۔
  • لائیو اوتار ترتیب دیں (25 ستمبر 2026 کو دیکھا گیا) پہلے سے طے شدہ اوتار کا API سیٹ اپ، اور مخصوص شبیہ کے لیے رسائی و رضامندی کی شرائط بتاتی ہے۔