Google a annoncé une nouvelle fonction de conversation visuelle pour Gemini 3.8 Live, nommée Live Avatar. Selon le communiqué du 24 septembre, le système associe la réponse vocale à une production vidéo à faible latence. Le personnage affiché à l’écran parle, avec des mouvements des lèvres et des expressions faciales qui se forment. Google propose un premier accès via Gemini Enterprise; il ne faut donc pas considérer cette innovation comme une fonctionnalité ouverte à tous dans l’application Gemini aujourd’hui.
Le Live Avatar a pour objectif d’ajouter une réponse visuelle à une conversation avec une intelligence artificielle vocale. L’entreprise met particulièrement en avant des usages professionnels tels que le service clientèle et les démonstrations de produits interactives. Un personnage qui vérifie des informations à l’accueil d’un hôtel ou qui guide l’utilisateur étape par étape dans une opération peut en être un exemple. Dans ces scénarios, la valeur principale réside dans la synchronisation entre l’image et la voix et dans le fait que les délais de réponse ne perturbent pas la conversation.
Google affirme que Live Avatar peut traiter simultanément des entrées sonores et visuelles. L’annonce prévoit également une exécution asynchrone qui permet à l’outil de lancer des appels en arrière-plan tout en poursuivant la discussion. Ainsi, lorsque le système fait une courte pause pour chercher une information, l’avatar ne disparaît pas complètement et la conversation ne se coupe pas. La fiabilité dans les services réels dépendra aussi des outils auxquels les développeurs connectent leurs applications.
En matière de prise en charge linguistique, 97 langues sont mises en avant. Google indique que l’avatar peut adapter les mouvements des lèvres et les expressions faciales lors du passage d’une langue à une autre. Cette capacité est particulièrement importante pour les services opérant dans différents pays. Cependant, la prise en charge de 97 langues ne signifie pas que chaque langue bénéficie de la même précision ou de la même qualité vocale naturelle; l’entreprise n’a pas publié de tableau montrant des performances homogènes.
Live Avatar şimdilik Gemini Enterprise’a açık
Google propose une bibliothèque de personnages préétablis. Les organisations peuvent aussi créer un avatar adapté à leur identité de marque à partir d’une image de référence unique. Toutefois, la création d’avatars personnalisés n’est pas accessible au grand public; l’entreprise applique une liste d’autorisations pour cette fonction. Cette limitation empêche de considérer les démonstrations de l’annonce comme des fonctionnalités immédiatement disponibles pour l’ensemble des clients.
Dans la création d’avatars, il existe des risques d’usurpation d’identité et de mauvaise représentation. Google explique avoir ajouté à l’audio et à l’image générés un filigrane invisible nommé SynthID. La présence de ce filigrane constitue une couche de sécurité, mais cela ne signifie pas qu’une vidéo puisse être vérifiée aisément sur toutes les plateformes. Le consentement de la personne réelle, les méthodes employées pour créer des avatars personnalisés et l’obligation pour le service d’indiquer clairement à l’utilisateur qu’il interagit avec une intelligence artificielle sont également des points importants.
La société a également publié la documentation API destinée aux développeurs. Ainsi, les entreprises pourront utiliser le Live Avatar dans leurs propres applications plutôt que dans une fenêtre de chat prête à l’emploi. Cependant, les conditions pratiques telles que l’installation, les coûts et les délais peuvent différer selon l’utilisation. Google ne précise pas de dates ou de tarifs pour l’application grand public.
Gemini 3.8 Live avait été annoncé la semaine dernière; Live Avatar ajoute à ce modèle une couche qui donne un visage à la conversation vocale. Dans un premier temps, l’expérience client des entreprises évaluera si la vidéo et l’élocution se déroulent sans interruption.
