✨︎ Resumen (TL;DR):
- Google lanzó Gemini 3.8 Live con Live Avatar dentro de Gemini Enterprise.
- El avatar sincroniza labios y expresiones, procesa audio e imagen y opera en 97 idiomas.
- Las empresas pueden elegir caras prediseñadas; las personalizadas requieren lista de acceso y verificación.
Google lanzó el 24 de septiembre de 2026 Gemini 3.8 Live con Live Avatar, una función disponible únicamente en Gemini Enterprise, la plataforma corporativa de Google. La función convierte a los agentes de voz en avatares animados que sincronizan los labios, cambian de expresión casi en tiempo real y responden con audio y video. La herramienta apunta a la atención al cliente, recorridos guiados de productos y procesos de alta, pero no llega a la app de Gemini para usuarios comunes.
Live Avatar es una función para agentes de voz que genera un rostro animado sincronizado con la respuesta hablada y cambia de gesto durante la conversación. El modelo procesa al mismo tiempo el audio y la imagen del usuario, incluida la cámara o una pantalla compartida, y responde con audio y video expresivos.
El modelo añade dos comportamientos prácticos:
- Interrupciones: Google afirma que el sistema mantiene los turnos de conversación y puede recuperarse cuando la persona interrumpe.
- Llamadas asíncronas a herramientas: el agente consulta datos o sistemas en segundo plano sin dejar la conversación en silencio.
Android Authority ilustró un caso de hotel en el que el avatar revisa una reservación mientras continúa la charla sobre otro tema.
Un avatar que cambia de idioma y de gesto
Live Avatar soporta 97 idiomas y los detecta automáticamente. Si el usuario cambia de idioma a media conversación, Google asegura que el avatar ajusta el movimiento de los labios y los gestos. Esto resulta relevante para servicios que atienden a clientes hispanohablantes y angloparlantes en una misma línea.
Las empresas pueden desplegar estos agentes en web, celulares y kioscos interactivos, con endpoints en Estados Unidos y la Unión Europea. Google había mostrado la función en vista previa durante Google Cloud Next 2026 y la habilitó el 24 de septiembre.
Caras prediseñadas y una opción bajo revisión
Las empresas pueden elegir una cara de la biblioteca de avatares prediseñados o crear una propia a partir de imágenes de referencia de alta calidad. Google reserva esta segunda vía a una lista de acceso y a un proceso de verificación empresarial que describe como estricto.
Todo el audio y el video que genera el sistema lleva SynthID, la marca de agua imperceptible de Google DeepMind, pensada para que el contenido pueda identificarse después como creado con IA.
Google no detalló el precio de Live Avatar. El anuncio remite a la tabla general de tarifas de la plataforma.
Google suma voces personalizables
Un día antes, el 23 de septiembre, Google lanzó Gemini 3.8 TTS. Ese sistema puede diseñar voces con una descripción y replicar una voz con 30 segundos de audio, siempre con consentimiento.
Cuatro clientes ya prueban la función
Google Cloud citó a cuatro clientes. Cox Automotive usa un avatar conversacional en Autotrader para que los compradores describan con sus propias palabras qué auto buscan, en lugar de navegar por filtros y menús, según Marianne Johnson, vicepresidenta ejecutiva y directora de producto de la empresa.
Equal AI, que desarrolla un asistente personal para llamadas en India, maneja más de un millón de llamadas en vivo al día en nueve idiomas del país. Su CEO, Akhilesh Damaraju, afirmó que Gemini 3.8 Live mejoró el manejo de interrupciones, las conversaciones multilingües y la fiabilidad de las llamadas a herramientas.
Salesforce anunció una colaboración entre su área de investigación en IA y Google para combinar Gemini 3.8 Live con Agentforce, su plataforma de agentes de servicio. Specs, por su parte, destacó mejoras en la detección de actividad de voz y la latencia.
Las empresas que ya operan agentes de voz en Google Cloud pueden ponerles un rostro con los avatares del catálogo desde el 24 de septiembre. Para crear una cara propia, necesitan la aprobación de Google por el potencial de suplantación de este tipo de contenido.
