گوگل با معرفی قابلیتLive Avatar در مدل Gemini 3.8 Live، قابلیت جدیدی را به هوش مصنوعی مکالمه‌ای خود اضافه کرده است که می‌تواند هنگام صحبت با کاربر، یک آواتار ویدیویی را نیز به صورت تقریباً همزمان تولید و نمایش دهد. این آواتار قادر است حرکات لب خود را با صدای تولید شده هماهنگ کند، حالات چهره مختلفی به نمایش بگذارد و حتی در طول مکالمه بین زبان‌های مختلف جا به جا شود.
قابلیت Live Avatar که امروز به صورت رسمی از سوی گوگل معرفی شد در واقع یک لایه تصویری جدید روی قابلیت‌های مکالمه زنده Gemini 3.8 Live محسوب می‌شود. این سیستم ورودی‌های صوتی و تصویری را به صورت همزمان پردازش می‌کند و در پاسخ، علاوه بر صدا، ویدیویی از یک شخصیت دیجیتال تولید می‌کند که حرکات سر، حالات چهره و حرکت لب‌های آن با گفتگو هماهنگ است.
گوگل اعلام کرده است این فناوری برای کاربردهای سازمانی طراحی شده و می‌تواند سیستم‌هایی مانند پشتیبانی مشتری، آموزش، راهنمایی کاربران و کیوسک‌های هوشمند را طبیعی‌تر کند. آواتار حتی می‌تواند در حین مکالمه اطلاعات موردنیاز را از ابزارهای دیگر دریافت کند، بدون اینکه نیازی به توقف گفتگو داشته باشد.
یکی از قابلیت‌های مهم Live Avatar، اجرای همزمان ابزارهاست. برای مثال، یک عامل هوش مصنوعی می‌تواند هنگام صحبت با مشتری، در پس‌زمینه اطلاعات یک سیستم را بررسی کند یا فرایندی را انجام دهد و همزمان به مکالمه ادامه دهد.
صحبت به 97 زبان مختلف با حفظ هماهنگی حرکت لب‌ها
گوگل روی قابلیت‌های چند زبانه Live Avatar تاکید زیادی دارد. این سیستم از 97 زبان پشتیبانی می‌کند و می‌تواند حتی در میانه یک مکالمه بین زبان‌ها جا به جا شود. نکته مهم این است که با تغییر زبان، هماهنگی میان گفتار و حرکت لب‌های آواتار نیز حفظ می‌شود. گوگل می‌گوید فناوری آن می‌تواند بدون افت محسوس کیفیت ویدیو یا ایجاد مشکل، حرکات چهره و لب را با زبان جدید تطبیق دهد.
این قابلیت می‌تواند برای شرکت‌هایی که با مشتریانی از کشورهای مختلف کار می‌کنند اهمیت زیادی داشته باشد، زیرا دیگر لازم نیست برای هر زبان یک نسخه جداگانه از این شخصیت دیجیتال طراحی شود.
ساخت آواتار اختصاصی برای شرکت‌ها
گوگل علاوه بر مجموعه‌ای از آواتارهای آماده، امکان ساخت شخصیت‌های اختصاصی را نیز در نظر گرفته است. سازمان‌ها می‌توانند با استفاده از یک تصویر باکیفیت، آواتاری بسازند که ظاهر، هویت بصری یا سبک شخصیت موردنظر را حفظ کند. البته ساخت آواتار سفارشی فعلاً نیازمند تایید و فعال‌سازی سازمانی از سوی گوگل است. این محدودیت بخشی از ساز و کارهای امنیتی گوگل برای جلوگیری از سو استفاده از هویت افراد یا برندها محسوب می‌شود.
از طرف دیگر، تمام محتوای صوتی و ویدیویی تولید شده توسط این سیستم با فناوری SynthID واترمارک می‌شود. این واترمارک به گونه‌ای طراحی شده که محتوای تولید شده توسط هوش مصنوعی قابل شناسایی باشد و احتمال انتساب اشتباه آن به افراد واقعی کاهش پیدا کند.
گوگل چند شرکت را نیز به عنوان نمونه‌های اولیه استفاده از این فناوری معرفی کرده است. به گفته گوگل، هم اکنون شرکت Cox Automotive از Gemini 3.8 Live برای ساخت دستیار خرید خودروی Autotrader استفاده می‌کند. این دستیار می‌تواند هنگام جستجوی خودرو، اطلاعات را روی صفحه نشان دهد و کاربر را در انتخاب، مقایسه و حتی مراحل خرید آن راهنمایی کند. شرکت Equal AI نیز اعلام کرده از قابلیت‌های Gemini Live برای مدیریت بیش از یک میلیون تماس زنده در روز و به 9 زبان هندی استفاده می‌کند.
فعلاً عرضه محدود برای کاربران Gemini Enterprise
قابلیت Live Avatar از تاریخ 24 سپتامبر 2026 (دوم مهرماه) به صورت عمومی در Gemini Enterprise عرضه شده و در دسترس برخی از کاربران قرار گرفته است. این نسخه امکاناتی مانند رعایت قوانین تعیین شده، مدیریت داده و ظرفیت پردازشی اختصاصی را ارائه می‌کند. گوگل اعلام کرده است قابلیت Live Avatar هنوز در حال توسعه است و در آن احتمال بروز خطا یا توهم، کندی و Timeout در برخی شرایط وجود دارد. همچنین قابلیت تعامل Live Avatar در حال حاضر برای چند دقیقه طراحی شده و نباید آن را مستقل و با توانایی فعالیت نامحدود تصور کرد.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت