גוגל נותנת פנים ל-Gemini: אווטאר מונפש שמדבר ומסנכרן שפתיים בזמן אמת
גוגל הוסיפה לעדכון Gemini 3.8 Live את Live Avatar, דמות מונפשת שמגיבה בזמן אמת, מסנכרנת תנועות שפתיים ומציגה הבעות פנים במהלך השיחה. התכונה תומכת ב-97 שפות, והיא זמינה כרגע רק ללקוחות Gemini Enterprise.
גוגל מוסיפה פנים לעוזר ה-AI שלה. בעדכון החדש של Gemini 3.8 Live המשתמשים יכולים לשוחח עם המודל ובאותו זמן לצפות בדמות מונפשת שמגיבה להם בזמן אמת. התכונה נקראת Live Avatar. הדמות מסנכרנת את תנועות השפתיים לדיבור ומציגה הבעות פנים שונות במהלך השיחה. בשלב זה היא זמינה רק ללקוחות Gemini Enterprise, כך דיווח The Verge.
97 שפות על אותם פנים
לדברי גוגל, Live Avatar תומך ב-97 שפות ויכול לעבור ביניהן "בלי לפגוע באיכות הווידאו ובלי ליצור סחף חזותי". הכוונה ככל הנראה לתופעה מוכרת בווידאו שנוצר על ידי AI, שבה פני הדמות משתנים בהדרגה במהלך הצילום ומאבדים עקביות. בסרטון שגוגל פרסמה הדמות מדברת באנגלית וביפנית, ותנועות הפה שלה תואמות את מה שהיא אומרת בשתי השפות. היא גם יכולה להציג מידע על המסך תוך כדי דיבור.
ההשקה מגיעה כשבוע אחרי שגוגל חשפה את המודל Gemini 3.8 Live. לדברי החברה, המודל "מעבד קלט חזותי כמעט בזמן אמת". נראה שהאווטאר הוא השכבה הוויזואלית שנבנתה מעליו: המודל מקבל קלט חזותי, והאווטאר מחזיר למשתמש תגובה חזותית.
אווטארים מוכנים או מותאמים לארגון
גוגל תציע ללקוחות ספרייה של אווטארים מוכנים לבחירה. ארגונים יוכלו גם ליצור אווטארים משלהם. כיוון שהתכונה מוגבלת כרגע ללקוחות ארגוניים, סביר שגוגל מכוונת בעיקר לשימושים עסקיים: נציגי שירות וירטואליים, הדרכה או פניות ללקוחות במגוון שפות. גוגל עצמה לא פירטה שימושים כאלה.
סימן מים והגנה על זהות
היכולת לייצר פנים מדברים ומשכנעים מעוררת שאלות מוכרות על זיופים עמוקים (deepfakes) והתחזות. לפי גוגל, כל הפלט של Live Avatar מסומן ב-SynthID, סימן המים הבלתי נראה של החברה לזיהוי תוכן שנוצר ב-AI. בנוסף יש אמצעי הגנה שנועדו, בלשון החברה, "לכבד זהות". גוגל לא פירטה בחומרים שפורסמו כיצד בדיוק פועלים אמצעי ההגנה האלה, למשל מה מונע מארגון ליצור אווטאר שנראה כמו אדם אמיתי בלי הסכמתו.
למה זה חשוב
עד כה רוב העוזרים הקוליים ומודלי השפה (LLM) תקשרו עם המשתמשים באמצעות טקסט או קול בלבד. הוספת פנים שמגיבות בזמן אמת היא ככל הנראה ניסיון להפוך את השיחה עם AI לדומה יותר לשיחת וידאו עם אדם. בהקשר העסקי זה יכול להיות יתרון, במיוחד בזכות התמיכה ב-97 שפות. מנגד, ככל שהדמויות האלה נעשות משכנעות יותר, קשה יותר להבדיל בין אדם אמיתי ל-AI. זו כנראה הסיבה שגוגל מדגישה את סימן המים ואת אמצעי ההגנה כבר בהשקה. עדיין לא ידוע מתי, אם בכלל, התכונה תגיע למשתמשים פרטיים.