AIに顔ができる。話しかける相手が、画面の向こうに立つ

1. 発表されたのは、話す顔でした

これまでAIとの会話は、声か文字でした。Gemini 3.8 Live with Live Avatarが加えたのは、そこに映像を重ねる仕組みです。聞いて、見て、話す。表情が動く。会話のあいだの間合いまで持つ。2026年9月24日、Google DeepMindがGemini Enterpriseでの提供を発表しました。

01 声と映像が、同時に生まれている

録画した映像に音声を合わせたのではありません。発表によれば、ライブ対話の能力と低遅延のストリーミング映像をネイティブに結合しています。話しながら、その顔がつくられている。ほぼリアルタイムで。

だから口の動きが声とずれません。表情も自然に変わる。発言を譲り合うタイミングもなめらかだと説明されています。人が人と話すとき、言葉以外で伝えているものは驚くほど多い。その部分を、機械が持ちはじめたということです。

02 会話は、もともと多感覚だった

私たちは聞きながら見ています。話しながら表情を使っています。発表資料はそこを起点にしていて、音声と視覚の入力を同時に処理すると書かれています。カメラの向こうの様子を見て、聞いて、映像と声で返す。

つまり相手が何を見ているかを前提にした会話ができる。手元のものを見せながら聞く、という動作が成立します。説明書を読み上げてもらうのではなく、これのことですと指させる。

2. 待たされない、が変わりはじめる

この発表でKPEがいちばん生活に近いと感じたのは、非同期のツール呼び出しです。調べものをしている最中も、会話が止まらない。あの無言の待ち時間が設計から外されています。速さそのものより、気まずさが減ることのほうが大きい。

01 裏で調べながら、話し続ける

発表では、Live Avatarがバックグラウンドでツールを呼び出しデータを取得しながら、対話を続けられると説明されています。例として挙げられているのは、ホテルのチェックイン。予約を照会している最中も、会話は途切れません。

電話口で少々お待ちくださいと言われ、保留音を聞いている数十秒。あれは短いようで長い。埋められるなら、埋めたほうがいい。待ち時間が消えるのではなく、待ち時間が会話になるという発想です。

02 97言語を、会話の途中で

言語をまたいでも映像が崩れない、というのが発表の主張です。97言語のあいだを会話の途中で切り替えても、口の動きと表情が追随し、映像の品質が落ちたり視覚的なズレが出たりしないと書かれています。ネイティブな多言語の音声同期を備えているためです。

旅先の窓口を想像してみてください。日本語で聞いて、隣の人が英語で割り込んで、また日本語に戻る。人間の受付ならできることが、機械の側でも崩れない。言葉の壁は、待遇の壁でもありました。

03 顔は、ブランドの一部になる

用意されたアバターのライブラリに加えて、組織は自社のアバターを作れます。高品質な参照画像から、元の見た目やブランドの意匠、キャラクターの同一性を保ったまま、動いて応答するアバターを生成できると説明されています。

ただしカスタムのアバター作成は、現時点でエンタープライズの許可リスト経由のみです。誰でもすぐに自分の分身をつくれる、という段階ではありません。

3. つくられた顔と、どう付き合うか

本物そっくりの顔が話すなら、それが生成物だと分かる仕組みが要ります。発表はここに一節を割いていて、AI製品の出力すべてにSynthIDの透かしを入れるとしています。音声にも映像にも、知覚できない形で織り込まれる。

01 見えない透かしが、音と映像に入る

SynthIDは音声と映像の出力へ直接埋め込まれ、人の目や耳では気づけません。AIが生成した内容が検出可能なままであることで、誤情報や誤った帰属を減らすことを狙うと説明されています。

本人そっくりの顔と声が動く技術には、当然この備えが要ります。安全性と責任ある展開についての包括的な考え方は、モデルカードで公開されているとのことです。

02 いまは、企業向けの話です

提供先はGemini Enterprise。開発者向けのAPIドキュメントも案内されています。スマートフォンのアプリで今日から使える、という発表ではありません。

ただし生活者が触れる場所は企業の窓口です。カスタマーサービスや、対話型の案内。つまり自分で導入しなくても、ある日サポート画面に顔が現れる形で届く可能性がある。順番としては、先に出会うほうです。

4. いま決めること、待っていいこと

結論から言えば、個人として今すぐやることはほとんどありません。でも知っておく価値はある。画面の向こうの相手が人かどうか、それを意識する習慣がここから必要になるからです。事業者側なら話は別で、Gemini Enterpriseで今日から検討できます。

01 事業者なら、窓口を思い浮かべる

問い合わせが多言語で来る、説明が長くて電話が伸びる、待たせるたびに離脱する。そういう心当たりがあるなら、検討の余地があります。発表によればGemini Enterpriseで提供開始、APIドキュメントも公開済みです。

ただしカスタムアバターは許可リスト経由のみ。自社の顔でやりたい場合は、そこが入口になります。まずはプリセットのライブラリで感触を確かめる、という順番が現実的でしょう。

02 生活者は、覚えておくだけでいい

今日から何かを買う必要はありません。料金も一般提供の時期も、公式発表では未公表です。だから待つのが自然です。

覚えておきたいのは一点だけ。表情豊かに話すあの顔は、つくられていることがある。SynthIDのような仕組みが入っているのは、そういう時代になったからです。疑うためではなく、知っているために。便利さを受け取りながら、これは誰が話しているのかという問いを手放さない。それだけで十分だとKPEは考えます。

5. よくある質問

6. まとめ