Google 于 2026 年 9 月 24 日公布 Gemini 3.8 Live with Live Avatar，把实时对话、流式视频和数字化身组合成企业代理体验。Google 表示，功能目前可在 Gemini Enterprise 使用，目标是让客服、互动导览和其他企业服务不只用文字或声音回应。
Live Avatar 可以同时处理视频和音频输入，并以带有表情、唇形同步和声音的视频方式回应。Google 将它描述为一种更接近真人对话的多模态互动，但企业真正采用时仍要先界定哪些场景需要视频存在感，因为更丰富的界面也会带来更高的内容、身份和可及性要求。
一个技术重点是 asynchronous tool execution。代理可以在后台调用工具、取得数据，同时保持对话不中断。Google 以酒店入住等复杂任务为例：代理可以一边与客户保持互动，一边处理外部系统数据。这种模式对工作流程有吸引力，但企业仍要清楚区分可读取数据、可执行动作和需要人工批准的步骤。
Google 表示 Live Avatar 可以在 97 种语言之间切换，并让语音、唇形和表情跟随语言变化而保持同步。这是产品宣称的支持范围，不等于每种语言在所有口音、专业术语和文化情境下都有相同效果；实际部署需要用目标市场的真实对话测试准确度和自然度。
企业可以从预设 avatar 中选择，也可以用高质量参考图片建立自定义 avatar，保留品牌风格或角色身份。Google 说，自定义 avatar 创建功能目前只向 enterprise allowlisting 开放。这意味着影像肖像权、员工或客户同意、冒充风险和内容标示，都应该在推出前纳入流程，而不只是交给产品设置。
在透明度方面，Google 表示所有由其 AI 产品生成的输出都会加上 SynthID 不可见水印，让音频和视频较容易被检测，以减少错误归因和误导。水印可以支持来源识别，但不能代替画面上的 AI 标示、人工监督、投诉渠道和对深度伪造内容的整体治理。
Gemini 3.8 Live with Live Avatar 的方向，代表企业代理开始由「回答问题」走向「持续在场并协调工具」。产品体验是否有价值，会取决于代理能否在不打断对话的情况下正确取数据、知道何时要停下来请人批准，以及在视频和多语言环境中保持可理解、可追溯和可控制。
