Gemini 3.8 Live Avatarが一般提供 97言語の映像対話

結論

Googleが2026年9月24日、映像で応対するGemini 3.8 Live Avatarを一般提供として公開した。97の言語を理解して話し、口の動きが合う映像アバターで対話でき、本番の顧客対応に使える。生成した音声と映像にはSynthIDの透かしが埋め込まれ、AIが作ったものだと示せる。音声だけだったAIの応対に「顔」が付き、企業の窓口対応をより自然にできるようになった、というのが実務上の意味だ。

何が発表されたのか

Gemini 3.8 Live Avatarは、企業の本番利用に向けた一般提供として公開された。97の言語を理解して話し、話し手の言語を自動で判別する。あらかじめ用意されたアバターをそのまま使え、口の動きは発話に合わせて同期する。独自アバターの作成は企業向けの許可リストに限られ、審査を通った利用者だけが使える。生成された音声と映像にはSynthIDの透かしが目立たない形で埋め込まれ、AI生成であることを後から確認できる。

技術面では、音声から音声へ直接応答する仕組みを土台に、対話を続けながら裏でAPIを呼び出すツール連携、カメラ映像や画面共有を音声と同時に扱う視覚理解、会話が割り込まれても文脈と処理を保つ復帰機能を備える。接続先は米国とEUにあり、処理能力の確保や企業向けのコンプライアンス、厳格なデータ管理に対応する。

導入事例も示された。Cox AutomotiveのAutotraderは、画面の該当箇所を光らせながら案内する購入支援に使い、Equal AIはインドの9言語で1日100万件を超える通話を処理している。SalesforceのAgentforceとの連携や、SPECSのAIアシスタントでの応答改善も挙がった。より高度に考えるExtended Thinkingは限定プレビューのままだ。数字や提供条件は今後変わる可能性があるため、最新は公式で確認してほしい。

現場の実務にどう効くか

顧客対応を担うAI推進担当がまず考えるべきは、映像アバターを使う場面の切り分けだ。すべての問い合わせに顔を出す必要はない。手続き案内や商品説明のように、画面を見せながら進めると分かりやすい対応で効果が出やすい。まずは問い合わせの多い定型対応から任せ、苦情や例外処理は人に引き継ぐ設計にする。たとえば予約変更のように、本人確認から空き確認、確定までを一続きで進める対応では、対話しながら裏でシステムを呼び出すツール連携が効く。会話が割り込まれても処理を保つ復帰機能があるため、途中で聞き返されても手続きが崩れにくい。導入ツールの選び方はカスタマーサポート向けAIツール比較と導入のコツで整理している。

次に、透かしの扱いを決めておきたい。SynthIDでAI生成だと示せるが、顧客にAIが応対していることをどう伝えるかは別の判断だ。応対の冒頭で人ではないと明示するか、途中で人に代わる導線をどう置くかを、CX全体の設計として考える。顧客体験の最新動向はAIと顧客体験の最前線 CX向上に使われる最新技術にまとめてある。

音声・映像・文章をまとめて扱う仕組みは、電話やチャットに加えて対面に近い応対を広げる。基礎はマルチモーダルAIとは？画像・音声・文章を扱う仕組みと活用例を参照してほしい。米国とEUに接続先がある点は、個人情報を扱う窓口でデータの置き場所を選ぶうえで重要になる。1日100万件規模を多言語でさばいた事例があるように、繁忙期の電話が集中する窓口ほど効果が見えやすい。導入後は応答までの時間、人への引き継ぎ率、解決率を記録し、人が対応していた頃と比べて判断する。

まとめ

映像アバターの一般提供は、AIの顧客対応を音声から対面に近い形へ広げる動きだ。自社で試すなら、効果が出やすい定型対応を1つ選び、AIだと伝える方法と人への引き継ぎを決めてから、小さく始めるのが現実的だ。

出典

• Gemini 3.8 Live with Live Avatar is now generally available（Google Cloud Blog）
• Introducing Gemini 3.8 Live with Live Avatar（Google Blog）