Google DeepMind、ライブアバター付きGemini 3.8 Liveを発表

TL;DR

Google DeepMindは、Gemini 3.8 Liveのリアルタイム対話機能と低遅延で口元同期された動画アバターを組み合わせた「Gemini 3.8 Live with Live Avatar」をリリースしました。これにより、企業は多言語対応で視覚的に表現力豊かな会話型エージェントを提供できるようになります。

会話型AIのリアルタイム視覚的プレゼンス

Gemini 3.8 Live with Live Avatarは、既存のライブ対話モデルに近リアルタイムの動画生成機能を追加しています。システムは音声と視覚入力を同時に処理し、同期された発話、表情、正確な口元同期を生成します。これにより、聞く、見る、話すことができる動的な視覚的キャラクターが実現され、エンドユーザーにとってより自然な体験が可能になります。

"近リアルタイムの動画生成と音声を組み合わせることで、動的な視覚的キャラクターが聞く、見る、話す体験を生み出します。" – DeepMindブログ

非同期ツール実行によるマルチモーダル推論

アバターはGeminiの高度な推論エンジンによって支えられています。背景でデータを取得したり、アクションを実行したりする非同期的なツール呼び出しを可能にしつつ、会話の流れを途切れさせずに維持できます。これにより、ホテルチェックインなど複雑なワークフローを、会話の流れを損なわずに行うことが可能になります。

"ライブアバターは、アクティブな会話が続く中で非同期的にツール呼び出しを行い、背景でデータを取得できます。複雑なタスクを処理しつつ、会話の流れを途切れさせずに保つことができます。" – DeepMindブログ

97言語対応のネイティブ多言語口元同期

ライブアバターはスムーズな言語切り替えをサポートしています。97言語に対応しており、言語を切り替える際、口元同期と表情を動的に調整し、動画の品質を維持し、視覚的なずれを回避します。

"この機能は、口元同期と表情を動的に調整し、97言語間をスムーズに切り替えながら、動画の品質を低下させず、視覚的なずれを生じさせません。" – DeepMindブログ

ブランドとの整合性を考慮したカスタムアバター

企業は、事前に用意されたアバターのライブラリから選択するか、高品質な参照画像からカスタムアバターを生成できます。カスタムアバターは参照画像の外見とブランドスタイルを保持しますが、現在は企業向けの許可リスト登録ユーザーに限定されています。

セーフティ、透明性、ウォーターマーキング

すべての音声・動画出力には、DeepMindのSynthIDウォーターマーキングが埋め込まれています。これはAI生成コンテンツを検出可能にするためにメディアに不可視の信号を組み込む技術です。モデルカードには、追加のセーフガードと責任ある展開手法についても記載されています。

"私たちのAI製品によって生成されたすべての出力にはSynthIDウォーターマーキングが施されています。この不可視のウォーターマーキングは、音声および動画出力に直接組み込まれており、AI生成コンテンツが検出可能であることを保証します。" – DeepMindブログ

利用可能状況と導入方法

Gemini 3.8 Live with Live Avatarは、Gemini Enterpriseを通じて一般提供されています。開発者はGemini Enterprise Agent Platformからこの機能にアクセスでき、APIドキュメントとコンソールUIを活用して迅速に統合が可能です。

企業向けAIへの影響

リアルタイム視覚アバターの導入により、会話型エージェントの範囲はテキストや音声を超えて、インタラクティブなウォークスルー、バーチャルアシスタント、多言語対応サポートなど、より豊かな顧客向け体験を可能にします。非同期ツール呼び出しを統合することで、会話の連続性を損なわず、高度なタスクを処理できるようになり、大規模な企業展開において重要な要件を満たします。

制限事項と今後のステップ

カスタムアバターの作成は現在、企業向けの許可リスト登録ユーザーに限定されており、極端なネットワーク遅延下でのパフォーマンスについては公表されていません。今後のアップデートでは、アバターのカスタマイズ範囲の拡大、遅延の改善、言語カバレッジの拡張が予定されています。

結論

Gemini 3.8 Live with Live Avatarは、リアルタイムで視覚的にも存在感を持ち、見られ、話すことができる完全なマルチモーダルでブランド化可能なAIエージェントへの重要な一歩を示しており、Google DeepMindのGeminiプラットフォームが企業向け会話体験の先進的なソリューションとして位置づけられています。

Sources