به گزارش خبردونی و بر اساس اطلاعات منتشر شده از دیجیاتو، گوگل به تازگی با رونمایی از Gemini 3.8 Live، قابلیت جدیدی به نام Live Avatar را معرفی کرده است. این ویژگی تعامل با هوش مصنوعی را از مکالمات صوتی و متنی فراتر میبرد و تجربه گفتوگو با یک شخصیت بصری متحرک را فراهم میکند.
Live Avatar از ترکیب تولید ویدئو در زمان واقعی و فناوری گفتار بهره میبرد. این شخصیت روی صفحه نمایش میتواند به کاربر گوش دهد، ورودیهای بصری را دریافت کند و پاسخهای گفتاری ارائه دهد. حرکات لب آواتار همزمان با کلمات بیان شده تغییر میکند.
### قابلیت چندزبانه آواتار
یکی از ویژگیهای بارز Live Avatar، توانایی صحبت به ۹۷ زبان مختلف است. گوگل اعلام کرده که این آواتار قادر است به راحتی بین زبانهای متفاوت جابهجا شود و کیفیت ویدئو یا هماهنگی بصری آن تحت تأثیر قرار نگیرد. در نمونههایی که گوگل منتشر کرده، آواتار به زبانهای انگلیسی و ژاپنی صحبت کرده و حرکات لب آن به دقت با گفتار هر دو زبان هماهنگ است.
### ایجاد آواتار اختصاصی برای سازمانها
گوگل همچنین آواتارهایی آماده برای مشتریان سازمانی ارائه میدهد، اما کسبوکارها این امکان را دارند که شخصیت بصری منحصر به خود را برای استفاده در این سیستم طراحی کنند. این ویژگی فعلاً فقط برای مشتریان سازمانی Gemini Enterprise در دسترس است و زمان عرضه آن برای کاربران عادی هنوز مشخص نیست.
### کاربردهای جدید Live Avatar
این قابلیت بهخصوص برای استفادههای سازمانی و خدمات تعاملی طراحی شده است. کسبوکارها میتوانند از آواتارهای هوش مصنوعی برای پشتیبانی مشتریان و ارائه خدمات مجازی استفاده کنند. هماهنگی در حرکات لب، حالتهای چهره و مدیریت نوبت در مکالمه، به منظور طبیعیتر کردن تعامل میان کاربر و شخصیت هوش مصنوعی توسعه یافتهاند.
### فناوری شناسایی محتوای تولیدشده با هوش مصنوعی
گوگل این خروجی Live Avatar را به فناوری SynthID مجهز کرده است که شامل واترمارک نامرئی برای شناسایی محتوای تولیدشده با هوش مصنوعی میباشد. همچنین، تدابیری برای حفاظت از هویت در این سیستم در نظر گرفته شده که با توجه به امکان ساخت آواتارهای اختصاصی، از اهمیت بالایی برخوردار است.
این قابلیت تنها یک هفته پس از معرفی Gemini 3.8 Live رونمایی شده است و گوگل ادعا میکند که مدل جدید میتواند ورودیهای بصری را به طور تقریبی در زمان واقعی پردازش کند. Live Avatar نیز از همین فناوری بهرهبرداری میکند تا تجربهای تعاملیتر را ارائه دهد.
