Gemini 3.8 Live loại bỏ khuôn mặt trống trong dịch vụ khách hàng AI

Hệ thống này là Gemini 3.8 Live with Live Avatar. Công nghệ kết hợp mô hình chuyển giọng nói thành giọng nói của Google với lớp video thời gian thực, tạo chuyển động môi và biểu cảm khuôn mặt, đồng thời xử lý các lệnh gọi công cụ ở chế độ nền mà không làm gián đoạn cuộc trò chuyện. Hệ thống tự động nhận diện ngôn ngữ — avatar chuyển đổi giữa các ngôn ngữ nói ngay giữa cuộc gọi mà không cần chuyển tiếp, tải lại hệ thống hay tạo ra khoảng ngừng dễ nhận thấy.

Điểm khác biệt so với các kỹ thuật phủ hình ảnh lên video là âm thanh và video được tạo đồng thời trong cùng một luồng suy luận trực tiếp, thay vì qua các bước tuần tự. Việc kết hợp này giữ độ trễ đủ thấp để duy trì nhịp trò chuyện tự nhiên. Google nhúng thủy ấn SynthID một cách kín đáo vào cả đầu ra âm thanh lẫn video — mỗi giây đều mang một dấu nhận diện mà máy có thể đọc được, cho biết nội dung do AI tạo ra, kể cả khi luồng đã được ghi lại và phát lại sau đó. Thủy ấn vẫn tồn tại sau khi mã hóa lại, nên có thể xác minh nguồn gốc trên các đoạn clip đã xuất.

Equal AI, đơn vị xử lý các đợt triển khai cho doanh nghiệp trên khắp Ấn Độ, cho thấy rõ nhất quy mô vận hành mà công nghệ này có thể đáp ứng: chín ngôn ngữ Ấn Độ được sử dụng đồng thời, hơn một triệu cuộc gọi trực tiếp mỗi ngày, trong tổng số 97 ngôn ngữ được hỗ trợ. Với mức độ sẵn sàng và độ phủ lịch trực tương đương, việc duy trì năng lực xử lý như vậy bằng nhân viên tổng đài sẽ không khả thi về mặt kinh tế. Giả định làm nền tảng cho đợt triển khai này không phải là chứng minh tính khả thi — mà là năng lực xử lý khối lượng lớn.

Thông tin Google chưa công bố khi ra mắt là giá cả. Google chưa đưa ra mức phí, thay vào đó hướng khách hàng liên hệ đội ngũ bán hàng doanh nghiệp. Việc tạo avatar tùy chỉnh — tức tổ chức xây dựng gương mặt từ hình ảnh tham chiếu của riêng mình — đòi hỏi phải được đưa vào danh sách cho phép dành cho doanh nghiệp thông qua một quy trình xác minh riêng, chứ không thể tự đăng ký sử dụng. Các khả năng Extended Thinking của mô hình Live vẫn đang ở giai đoạn xem trước riêng tư, khiến chiều sâu suy luận bị giới hạn so với những sản phẩm Gemini khác của Google. Giới hạn số phiên hoạt động đồng thời cũng chưa được công bố. Hình thức ra mắt với phạm vi hạn chế này phù hợp với cách Google thường triển khai sản phẩm doanh nghiệp theo từng giai đoạn, trong đó giá cả và năng lực xử lý được thương lượng thay vì công bố rộng rãi.

Gemini 3.8 Live with Live Avatar hiện đã có mặt trên bảng điều khiển Gemini Enterprise và thông qua Live API, với các điểm cuối tại Hoa Kỳ và Liên minh châu Âu. Google chưa công bố thời điểm mở rộng quyền truy cập Extended Thinking cho mô hình Live ra ngoài nhóm hiện đang được xem trước riêng tư.

Các doanh nghiệp triển khai công nghệ này sẽ phải tự trả lời một câu hỏi mà bản thân công nghệ không thể giải đáp: liệu việc xóa bỏ dấu hiệu trực quan cho thấy người dùng đang tương tác với hệ thống tự động có cải thiện trải nghiệm, hay lại xóa đi dấu hiệu trung thực cuối cùng cho biết điều đó đang diễn ra.

Thẻ: Google, Gemini, customer service, enterprise AI, lip sync, speech recognition