Google、動画アバター対応Gemini 3.8 Liveを一般提供

リアルタイム対話と動画アバターを統合したエンタープライズ音声AI

米Google Cloudは2026年9月24日、音声同期（リップシンク）の動画アバター生成に対応したGemini 3.8 Live with Live Avatar（Googleのリアルタイム双方向音声および動画アバター生成モデル）の一般提供（GA）をGemini Enterpriseで開始した。Google Cloud Next 2026で先行発表（プレビュー）されていた技術が、企業の商用本番環境向けに正式提供される。

5つの主要機能とエンタープライズ向け安全対策

Gemini 3.8 Liveは、従来のテキストを介したパイプラインではなく、ネイティブな音声対音声（Speech-to-Speech。テキスト変換を挟まず音声入出力を直接行うアーキテクチャ）の対話基盤を採用している。一般提供にあたり、以下の主要機能が利用可能となった。

1. ​リアルタイム動画アバター​: 音声発話に合わせて正確に口元が動くリップシンク対応の動画アバターを生成。Webサイト、モバイルアプリ、店頭キオスク端末などに視覚的な対話エージェントを配置できる。
2. ​自然な割り込み復帰​: 会話の文脈やバックエンドの処理状態を喪失することなく、ユーザーからの発話割り込みに柔軟に対応。
3. ​対話継続型のツール呼び出し（Tool calling）​: ユーザーと自然に対話を続けながら、バックグラウンドでAPIや外部ツールの実行処理を並行して完了させる。
4. 97言語の自動言語検出と発話​: 自動言語検出を備え、多言語間でのスムーズな音声コミュニケーションをサポート。
5. ​リアルタイム視覚理解​: 音声ストリームと並行して、カメラのライブ映像や画面共有をリアルタイムに同時処理可能。

安全面では、事前構築済みの厳選アバターライブラリが用意される一方、企業独自のカスタムアバター作成はホワイトリスト制（事前審査）によって厳格に管理される。また、生成されるすべての音声および動画ストリームには、電子透かし技術「SynthID（Googleが開発したAI生成コンテンツ検知用の不可視電子透かし）」が不可視で埋め込まれ、AI生成物としての透明性と検証可能性が担保される。

導入企業のユースケースと実績

本番環境での活用事例として、米Cox Automotiveの自動車情報サイト「Autotrader」では、画面ハイライトとツール呼び出しを組み合わせ、自然な会話で車の検索・比較・ローン審査案内を行うアバターアシスタントを構築した。また、インドの「Equal AI」では、9つの現地言語に対応した日次100万件以上の通話処理にGemini 3.8 Liveを導入し、割り込み処理とツール呼び出しの信頼性向上を確認している。

さらに、米Salesforceの「Agentforce」との連携や、Specs社のAIアシスタントにおける音声区間検出（VAD）のレイテンシ改善など、顧客接点自動化での採用が進んでいる。

提供リージョンと未確認事項の整理

Gemini 3.8 Live with Live Avatarは、米国（US）および欧州（EU）のエンドポイントで利用可能であり、プロビジョンドスループット（帯域確保型）、エンタープライズコンプライアンス、厳格なデータガバナンスに対応する。

一方で、今回の発表における制約および未確定の要素は以下の通りである。

項目	提供状況・留意事項
提供エンドポイント	現時点ではUSおよびEUエンドポイントのみ（日本リージョンへのローカル展開時期は未公表）
カスタムアバター	なりすまし防止のためホワイトリスト制（審査承認が必要、即時自由作成は不可）
Extended Thinking	高度な推論を行う「Gemini 3.8 Live Extended Thinking」は非公開プレビュー（Private Preview）を継続
料金体系	Gemini Live APIの価格ページで規定。帯域確保やアバター生成の追加費用は個別相談要件あり

分析と展望：音声エージェントの競争軸は「視覚・応答品質」へ

従来の音声対話AIは、応答速度（レイテンシ）とAPIコストの削減が主な競争軸だった。しかし、Google Cloudが動画アバター生成とネイティブ音声処理を本番GAしたことは、音声AIの競争軸が「単なる文字起こし・音声合成の組み合わせ」から、「視覚プレゼンス（表情・口元の同期）と割り込み耐性を含めた総合的な対話体験」へと移行したことを示している。

特に、バックグラウンドでのツール呼び出し中も会話を途切れさせない仕様は、カスタマーサポートや保険受付などの実務ワークフローにおいて待ち時間の心理的ストレスを大幅に低減させる効果がある。日本市場においては、97言語対応により日本語の音声認識・発話は利用可能であるものの、国内データセンターでのエンドポイント提供や日本企業向けアバターのプリセット拡充が普及に向けた次の焦点となるだろう。

引用元：Google Cloud | Engadget | Google