Google ने Gemini 3.8 Live का Live Avatar, Gemini Enterprise में सामान्य रूप से उपलब्ध कर दिया। यह वास्तविक समय की आवाज बातचीत को AI से बनी वीडियो आकृति से जोड़ता है, जिसमें होंठों का तालमेल, बोलने की बारी और बातचीत में टूल इस्तेमाल करना शामिल हैं।
लॉन्च फिलहाल मुख्य रूप से इंटरैक्टिव सेवा, प्रशिक्षण या संचार अनुभव बनाने वाले संगठनों के लिए है। यह सभी उपभोक्ता Gemini उपयोगकर्ताओं का सामान्य लॉन्च नहीं है।
Live Avatar क्या है?
Live Avatar, Gemini की वास्तविक समय बातचीत में वीडियो की परत जोड़ता है।
सिर्फ आवाज सुनने के बजाय उपयोगकर्ता बोलती आकृति देख सकता है जिसके होंठ भाषण से मेल खाते हैं। Google कहता है कि प्रणाली बातचीत की बारी अधिक स्वाभाविक रूप से संभालने के लिए भी है, सिर्फ पहले से रिकॉर्ड वीडियो चलाने के लिए नहीं।
प्रणाली speech-to-speech बातचीत में 97 भाषाएं संभालती है।
हर वीडियो आउटपुट में SynthID है, Google का अदृश्य चिह्न जो AI से बनी सामग्री पहचानने के लिए है।
सिर्फ बोलती आकृति नहीं
लॉन्च का महत्वपूर्ण पहलू tool calling का मेल है।
Gemini बातचीत के दौरान टूल से कार्रवाइयां कर सकता है, asynchronous tool calling सहित। यानी बाहरी कार्रवाई पृष्ठभूमि में चलने पर भी बातचीत जारी रह सकती है।
Google इसे ऐसे agents की बुनियाद बताता है जो सिर्फ उपयोगकर्ता से बात नहीं, वास्तविक समय में काम भी करें।
कंपनी Agent Development Kit का समर्थन भी बताती है, जिससे डेवलपर Live Avatar को बड़े agentic परिवेश में जोड़ सकते हैं।
अनुकूलित अवतार
Gemini Enterprise में तैयार avatars की लाइब्रेरी है।
संगठन reference चित्र से अपनी आकृति भी बना सकते हैं, लेकिन क्षमता हर ग्राहक के लिए खुली नहीं है। Google के अनुसार custom avatars बनाना संगठन की allowlist से उपलब्ध है।
ब्रांडेड वर्चुअल प्रतिनिधि या किसी खास व्यक्ति की आकृति बनाने वाली कंपनियों के लिए यह महत्वपूर्ण है।
Google कहता है कि पहचान के इस्तेमाल से निपटने के सुरक्षा उपाय हैं, लेकिन उनका व्यावहारिक असर उपयोग बढ़ने पर स्पष्ट होगा।
उपलब्धता और ढांचा
Live Avatar अब Gemini Enterprise में General Availability में है।
Google अमेरिका और यूरोपीय संघ में endpoints और अधिक स्थिर क्षमता चाहने वाले ग्राहकों के लिए provisioned throughput का विकल्प बताता है।
इसके विपरीत Live Extended Thinking with Avatar अभी private preview में है।
इसलिए Live Avatar के आसपास की सभी क्षमताएं एक ही समय GA नहीं हैं।
इसका उपयोग कहां हो सकता है?
Live Avatar मुख्य रूप से ऐसे अनुभवों के लिए है जहां बोलना और दृश्य संपर्क बातचीत का हिस्सा हैं।
संभावित उदाहरण ग्राहक सेवा, प्रशिक्षण, onboarding, बिक्री और संगठन की आंतरिक सहायता हैं।
बातचीत के दौरान tool calling की क्षमता इसे ऐसे agents के लिए भी प्रासंगिक बनाती है जिन्हें जानकारी जुटानी, प्रक्रिया शुरू करनी या प्रणाली अपडेट करनी हो।
सामान्य Avatar जनरेटर से क्या अंतर है?
बाजार में पहले से बोलती आकृतियों वाले वीडियो बनाने के टूल हैं।
Google जिस अंतर पर जोर देना चाहता है वह वास्तविक समय इंटरैक्टिव उपयोग है: Live Avatar सिर्फ पाठ से वीडियो बनाने के लिए नहीं, बातचीत में भाग लेने और साथ टूल चलाने के लिए है।
यह उसे मौजूदा avatar और voice AI सेवाओं के सामने रखता है, साथ ही सीधे Gemini के संगठनात्मक तंत्र से जोड़ता है।
अभी क्या गायब है?
जांची गई शोध सामग्री में Google ने हर Live Avatar उपयोग परिस्थिति की पूरी कीमत नहीं दी।
भारी उपयोग में latency, अलग भाषाओं की गुणवत्ता और वास्तविक अपनाए जाने के सवाल भी खुले हैं।
GA तक पहुंचना उत्पाद का महत्वपूर्ण चरण पार करना है, लेकिन यह प्रमाण नहीं कि आज ही हर संगठनात्मक उपयोग के लिए उपयुक्त है।
लॉन्च क्यों महत्वपूर्ण है?
voice, video और agentic tools का मेल chatbot, आवाज प्रतिनिधि और वीडियो आकृति की सीमाएं कम स्पष्ट करता है।
Google के लिए Live Avatar, Gemini Enterprise को बातचीत के इंटरफेस से वास्तविक समय में उपयोगकर्ता के सामने संगठन का प्रतिनिधित्व करने वाला टूल बनाने का तरीका है।
अगला चरण देखना होगा कि कंपनियां ऐसे avatars बड़े पैमाने पर चलाती हैं या नहीं और पहचान, भरोसे, गोपनीयता व लागत के सवाल कैसे संभालती हैं।