Google、Gemini 3.8 Liveに映像アバター機能「Live Avatar」を追加

何が起きたか

Google(グーグル)は2026年9月24日、対話型AI「Gemini(ジェミニ)」に新機能「Live Avatar」を発表した。リアルタイム対話機能に映像アバターを組み合わせ、低遅延で映像を生成する。Google DeepMindの公式ブログで、研究者のShuo-yiin Chang氏とソフトウェアエンジニアのCJ Zheng氏が明らかにした。1週間前に発表した音声対話機能「Gemini 3.8 Live」を土台にした機能で、企業向けサービス「Gemini Enterprise」で即日の提供が始まった。

なぜ重要か

Live Avatarは、視覚と音声の入力を同時に処理しながら、正確なリップシンク(音声と口の動きの同期)、自然な表情、スムーズな会話の受け渡し(ターンテイキング)を映像として生成する点が特徴だ。音声のみの対話機能と異なり、利用者はアバターの表情や口の動きを通じて相手が「聞いている」実感を得やすくなる。加えて、裏側でツールの呼び出しやデータ取得を行いながら会話を止めずに続けられる「非同期ツール実行」も備える。Googleはホテルのチェックイン対応を例に挙げており、予約情報を照会するような処理を裏で進めていても、利用者との対話は途切れないとしている。カスタマーサービスや対話形式の案内業務など、企業が人手で対応してきた窓口業務の一部を代替しうる技術として位置づけられているとみられる。

背景

音声のみで対話する「Gemini Live」はすでに提供されている機能で、今回の発表はその「映像版」にあたる。97言語にわたってネイティブに音声のやり取りができ、会話中に言語を切り替えても、映像の品質を落とさずにリップシンクと表情が追従するという。また、企業のブランドに合わせたアバターを高品質な参照画像から生成する機能も備え、人物の類似性やブランドの雰囲気、キャラクターとしての特徴を保ちながらアニメーション化できるとしている。ただしこのカスタムアバター機能は、現時点では企業ごとのホワイトリスト登録を経た利用者に限られる。生成した音声・映像にはすべて、AIが生成したコンテンツであることを確認できるようにする電子透かし技術「SynthID」を組み込み、知覚できない形で真正性を検証できるようにしているという。価格、対応地域、リップシンクの具体的な遅延時間などは、今回の発表では明らかにされていない。

論点

Googleは今回の発表で、生成した音声・映像すべてに電子透かし「SynthID」を組み込んだ点をあえて明記している。実在の人物そっくりのアバターをリアルタイムで動かせる技術は、なりすましや偽動画といった悪用のリスクと隣り合わせであり、透かし技術による検知可能性の確保は、そうした懸念への対応策の一つと位置づけられていると考えられる。もっとも、SynthIDはあくまで生成物が「AI製である」ことを技術的に確認できるようにする仕組みであり、なりすまし自体を防ぐものではない点には留意が必要だ。また、カスタムアバター機能が企業ごとのホワイトリスト制に限定されているのも、参照画像から人物に似せた映像を誰でも作れる状態を避けるための、同様の配慮とみられる。実用面では、映像を伴う対話AIは音声のみの場合より通信量や処理負荷が大きくなりやすく、価格体系や動作環境の詳細が明らかになるまでは、コスト面の判断が難しい状態が続く。

日本のビジネスへの示唆

• 音声だけでなく映像を伴う対話AIが、企業向けに実用段階へ入りつつある。コールセンターや窓口業務のうち、定型的なやり取りが多い領域から、AIアバターへの置き換えを検討する価値がある。
• 非同期ツール実行のように、会話を止めずに裏側の処理を進められる仕組みは、既存の音声botや問い合わせ対応システムを見直す際の比較軸になりうる。
• 価格や日本語での対応品質、対応地域といった導入判断に必要な情報はまだ公開されていない。自社での活用を検討する場合は、続報や実運用事例を待ってから判断するのが無難だろう。