Google Cloud於9月25日宣布，Gemini 3.8 Live with Live Avatar在Gemini Enterprise上正式推出（GA）。這個版本在原有的即時語音對話模型上，加了一張會說話的「臉」：生成的影片分身，嘴型與語音同步，鎖定客服、導購、產品說明這類需要真人感的場景。這項功能最早在Google Cloud Next 2026上以預覽版亮相。
這個版本能做什麼
根據Google Cloud部落格的說法，這次Gemini 3.8 Live主打五項能力：
- 影片分身：生成嘴型同步的對話分身；
- 語音對語音：原生語音對話，使用者中途插話後能接續對話，先前的脈絡與背景中正在執行的操作都不會遺失；
- 非同步工具呼叫：對話不中斷，同時在背景呼叫API、查詢CRM或ERP；
- 多語言支援：能聽能說97種語言，自動辨識語種；
- 即時視覺辨識：同時處理鏡頭畫面、螢幕分享與音訊。
部署方面提供美國與歐盟兩個端點，支援預留輸送量（provisioned throughput），並強調企業合規與資料治理。
公告中也寫明兩項限制。客製化分身目前僅開放白名單客戶使用，企業若想用自己的形象或代言人，得先通過Google的審核。所有生成的音訊與影片串流都嵌入肉眼不可見的SynthID浮水印。此外，具備長時間推理能力的Gemini 3.8 Live Extended Thinking仍處於私有預覽階段，並未隨這次一併轉為正式版。
客戶拿它做了什麼
公告列出四家客戶案例。Cox Automotive旗下的Autotrader用它打造購車助理，分身一邊對話，一邊在網頁上標示車源、比較車款、說明貸款方案。Cox Automotive產品長Marianne Johnson表示：
"Shoppers increasingly expect to describe what they need in their own words rather than work through filters and menus."
（意思是消費者越來越希望用自己的話描述需求，而不是一層層點選篩選選單。）
印度的Equal AI以此打造個人助理服務，每天處理超過100萬通即時電話，涵蓋9種印度語言，該公司執行長表示新版本改善了插話處理、多語對話與工具呼叫的可靠度。Salesforce表示正將其與Agentforce結合；AI助理平台Specs則提到語音活動偵測與整體延遲的改善。這些都是各公司自行揭露的說法，公告中並未提供毫秒級延遲或轉換率等可比較的數據。
中國大陸開發者用得到嗎
Gemini Enterprise與Live API依託Google Cloud提供服務，中國大陸開發者無法直接呼叫，出海團隊可透過美國或歐盟端點使用。97種語言中包含中文，鎖定東南亞、中東等多語市場的客服與導購場景，會是最直接的應用方向。
中國國內的數位人客服與直播數位人已經運作了幾年，常見做法是把語音辨識、大型語言模型、語音合成、驅動嘴型的數位人引擎各自串接起來，每個環節都有各自的延遲，插話處理也常是弱點。Google這次把聽、說、看、呼叫工具與輸出畫面整合進同一個即時模型，賭的是端到端方案在延遲與打斷體驗上的優勢。哪條路線更划算，得看分身輸出的計價方式與實際併發成本，目前尚無公開數字可供比較。
Google先前已推出Gemini 3.8 Flash TTS與Flash-Lite TTS語音合成模型，這次公告也把Gemini 3.5 Transcribe、Gemini 3.5 Live Translate一併列入企業語音模型陣容。即時對話、轉錄、翻譯、合成再加上影片分身，Google的企業語音產品線已大致補齊。
還沒說清楚的部分
Live Avatar的價格，部落格只給了定價頁連結，沒有單獨列出分身影片輸出的費率；白名單的申請條件與審核週期也未公開。SynthID浮水印的偵測工具會開放給哪些第三方使用，這次同樣沒有說明。企業評估要不要導入，這幾項會直接影響成本與合規判斷。
參考來源：Google Cloud官方部落格、Android Headlines、CocoLoop、Unite.AI；待查核支援語言數量、白名單與浮水印限制、Equal AI日均通話量及各客戶引述。