Gemini 3.8 Live erhält einen sprechenden Live-Avatar

Google hat am 24.09.2026 Gemini 3.8 Live mit Live Avatar vorgestellt: Das Modell antwortet nicht mehr nur mit Stimme, sondern über eine animierte Figur, die per Videostream lippensynchron mitspricht. Der Start erfolgt in Gemini Enterprise, dazu kommt ein Zugang über die Gemini Enterprise Agent Platform.

Was der Avatar technisch leisten soll

Laut Ankündigung verarbeitet das System Bild und Ton gleichzeitig und hält das Gespräch mit Sprecherwechseln in Gang. Die Mundbewegungen sollen sich an die jeweils gesprochene Sprache anpassen, ohne im Verlauf einer Sitzung abzudriften. Für die direkte Sprache-zu-Sprache-Ausgabe nennt Google 97 Sprachen.

Dazu kommt ein asynchroner Werkzeugaufruf: Das System darf im Hintergrund Daten holen, während die Unterhaltung weiterläuft. Genau daran entscheidet sich in der Praxis, ob eine sprechende Figur mitten im Satz hängt oder flüssig bleibt.

Vorerst Firmenkunden, eigene Figuren nur auf Freigabe

Nutzbar ist die Funktion zunächst in Gemini Enterprise, Entwicklerinnen und Entwickler erreichen sie über das Studio der Agent-Plattform. Neben vorgefertigten Avataren lassen sich eigene Figuren aus Referenzbildern erzeugen, dieser Teil ist aber an eine Freischaltung gebunden und damit nicht offen zugänglich. Preise, Ratenlimits oder ein Termin für Privatkunden stehen nicht in der Mitteilung.

SynthID in Ton und Bild

Die Ausgabe wird mit SynthID versehen; Google beschreibt das Wasserzeichen als „unmerklich“ und direkt in Audio und Video eingewebt. Der Zweck ist Nachweisbarkeit: Eine Aufnahme soll sich später noch als Modellausgabe erkennen lassen.

Das ist mehr als ein Hinweis im Kleingedruckten, weil ein Gegenüber mit Gesicht und Stimme deutlich glaubwürdiger wirkt als ein Textfenster. Wie stabil die Markierung bleibt, wenn ein Video neu kodiert oder vom Bildschirm abgefilmt wird, sagt die Mitteilung nicht.

Was dieser Text nicht prüfen konnte

Für diese Meldung war allein die Ankündigung von Google erreichbar, eine zweite unabhängige Quelle ließ sich nicht abrufen. Unbestätigt bleibt deshalb alles, was über den Wortlaut der Mitteilung hinausgeht: unabhängig gemessene Latenzen, die Qualität der Lippensynchronität außerhalb einer Demo und die Frage, wie Beschäftigte ein sprechendes Gesicht im Arbeitsalltag annehmen.