Gemini 3.8 Live with Live Avatarは、AIとの会話に、声に合わせて口と表情が動く顔を加える機能です。Google DeepMindの発表では、97言語を会話の途中で切り替えても映像が崩れず、裏で調べものをしているあいだも会話が続きます。提供先はGemini Enterpriseです。私は発表の原文を読み、書かれている事実だけを、暮らしの側から順に並べました。

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は、そこに映像を重ねます。聞いて、見て、表情のある顔で話します。Google DeepMindは2026年9月24日に、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、あとから音声を合わせたものではありません。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ひとつに結合しています。話しているその場で、ほぼリアルタイムに顔の映像がつくられます。
02. 会話は、もともと多感覚だった
人は、聞きながら見て、話しながら表情を使っています。発表はそこを起点にしていて、Live Avatarは音声と視覚の入力を同時に処理し、映像と声で返すと書かれています。
声でAIに頼む仕組みを自分の部屋に組む方法は、こちらにまとめています。
-
-
現実版J.A.R.V.I.S.の作り方2026 — Alexa+・HomePod・Geminiで家をAI化する
作中でトニーがJ.A.R.V.I.S.とF.R.I.D.A.Y.に出した指示を21件数え直し、2026年の市販品でどこまで届くかを1件ずつ突き合わせました。そのまま作れるのは7件です。
2. 待たされない、が変わりはじめる
この発表で私がいちばん暮らしに近いと感じたのは、非同期のツール呼び出しです。AIが裏で調べものをしているあいだも、画面の顔は話し続けます。
01. 裏で調べながら、話し続ける
電話口で「少々お待ちください」と言われて保留音を聞く時間が、この設計では会話の続きになります。
02. 97言語を、会話の途中で
発表は、97言語のあいだを会話の途中で切り替えられると説明しています。音声から音声への多言語の同期をネイティブに備えていて、言語が替わっても口の動きと表情が追随し、映像の品質が落ちたり、見た目がずれたりしないと書かれています。
旅先の窓口で、日本語で聞いている途中に隣の人が英語で話しかけ、また日本語に戻る。発表どおりなら、その切り替えのあいだも、画面の顔は同じ調子で話し続けます。
03. 顔は、ブランドの一部になる
顔は2通りで用意できます。あらかじめ用意されたアバターのライブラリから選ぶか、自社のアバターを作るかです。
自社のアバターの作成は、いまは企業の許可リストを通した場合だけです。誰でも自分の分身を作れる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き、GoogleのAI製品が生成した出力にはすべてSynthIDの透かしを入れると書いています。
01. 見えない透かしが、音と映像に入る
発表には、本人性を尊重するための厳格な保護策を設けたとも書かれています。安全性の考え方の全体は、発表からリンクされたモデルカードに載っています。
02. いまは、企業向けの話です
提供先はGemini Enterpriseで、開発者向けのAPIドキュメントも案内されています。発表が挙げた使い道は、カスタマーサービスと、対話型の案内です。
4. 事業者が始められること、生活者が覚えておくこと
個人として、いま手を動かすことはほとんどありません。事業者は、発表の日からGemini Enterpriseで検討を始められます。
01. 事業者なら、窓口を思い浮かべる
問い合わせが複数の言語で来る。説明が長くて電話が伸びる。照会のたびに相手を待たせている。そういう窓口があるなら、次の順で確かめます。
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。料金は、公式発表では未公表です。
覚えておくのは一点です。表情豊かに話す画面の顔は、AIがつくった映像のことがあります。私は、窓口の画面に顔が出てきたら、相手が人なのかAIなのかを先に確かめるつもりです。
5. よくある質問
Gemini 3.8 Live with Live Avatarとは
Geminiの対話AIに、ほぼリアルタイムの視覚的な存在感を加えた機能です。ライブ対話の能力と低遅延のストリーミング映像を結合し、聞いて、見て、表情のある姿で話します。2026年9月24日にGoogle DeepMindが発表しました。
個人でも使えますか
提供先はGemini Enterpriseです。開発者向けのAPIドキュメントも案内されています。一般向けのアプリで使えるという記述は発表にありません。企業の問い合わせ窓口などを通じて触れる形が先になります。
日本語に対応していますか
発表は97言語と書いていますが、言語の一覧は発表の本文に載っていません。会話の途中で言語を切り替えても、口の動きと表情が追随し、映像の品質が落ちたり見た目がずれたりしないと説明されています。
アバターの見た目は変えられますか
用意されたアバターのライブラリに加え、組織は独自のアバターを作成できます。高品質な参照画像から、見た目やブランドの意匠を保ったまま生成する仕組みです。独自のアバターの作成は、いまは企業の許可リスト経由のみです。
AIが作った映像だと分かりますか
出力にはSynthIDの透かしが入ります。音声と映像の両方に、人には知覚できない形で織り込まれます。AIが生成した内容を検出できる状態に保ち、誤情報と誤った帰属を減らすための仕組みだと説明されています。
会話中に待たされませんか
非同期のツール呼び出しに対応していて、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ます。発表は、ホテルのチェックインを例に挙げています。
6. まとめ
Gemini 3.8 Live with Live Avatarは、AIとの会話に、声と同時につくられる顔を加えます。97言語を会話の途中で切り替えられ、裏でツールを呼び出しているあいだも対話が続きます。事業者は、Gemini Enterpriseで検討を始められます。生活者は、窓口の画面で話す顔がAIの映像のことがあると覚えておけば足ります。
- 提供先:Gemini Enterprise。APIドキュメントも案内
- 対応言語:97言語。会話の途中で切り替えられる
- 待ち時間:裏でツールを呼び出し、対話は続く
- 自社の顔:独自のアバターは企業の許可リスト経由のみ
- 見分け方:音声と映像にSynthIDの透かしが入る
7. 画像の出典
- ① Google DeepMind 公式発表・表示の安定のため、私のサーバーから配信しています
出典:Google DeepMind 公式発表「Introducing Gemini 3.8 Live with Live Avatar」を、2026年10月13日に原文で確認しました。発表日は2026年9月24日です。




