Gemini Live Avatar jõudis EL-i, kuid oma nägu vajab eriluba

Google 24. septembri 2026 avalduses teatas, et Gemini 3.8 Live with Live Avatar on Gemini Enterprise’is üldiselt saadaval USA ja EL-i lõpp-punktides. Eesti ettevõte saab seega luua reaalajas kõnelevaid videoagente EL-i lõpp-punkti kaudu. Google’i valmisavatarite kasutamine kuulub üldiselt kättesaadava teenuse juurde, kuid inimese näopildi põhjal oma avatari loomine nõuab ettevõttele eraldi antud luba ja isiku kontrolli.

Uus võimalus puudutab ettevõtete arendatavaid veebirakendusi, mobiiliteenuseid ja interaktiivseid kioskeid: agent võib kasutajaga kõnelda ning näidata samal ajal kõnega sünkroonis näoilmeid. Nii on EL-i ettevõtte jaoks määrav vahe mudeli piirkondliku saadavuse ja avatari isikupärastamise õiguse vahel. Kasutaja võib näha ettevõtte teenuses animeeritud vestluspartnerit ka siis, kui ettevõttel puudub luba kasutada konkreetse inimese nägu.

EL-i lõpp-punkt ja avatari valik on eri küsimused

Üldine saadavus tähendab, et teenus on avatud Gemini Enterprise’i ettevõtteklientidele, kelle rakendus ühendub toetatud lõpp-punktiga. Välja kuulutatud piirkonnad on USA ja EL; eraldi riikide loendit ei ole esitatud. Eesti paikneb EL-i piirkonnas, ent piirkondlik lõpp-punkt ei määra üksi, millise avatari ettevõte saab valida: valmis tegelaskuju ja kliendi antud näokujutis alluvad erinevatele juurdepääsureeglitele.

• Piirkond: Gemini Enterprise’i jaoks on välja kuulutatud USA ja EL-i lõpp-punktid.
• Valmisavatar: ettevõte saab valida Google’i pakutud avatari ning siduda selle valmis häälega.
• Kohandatud avatar: näopildist loodava tegelaskuju funktsioon on avatud üksnes Google’i lubatud ettevõtteklientidele.
• Väljund: sünteesitud kõnega sünkroonis videole ja helile lisatakse SynthID märgistus.

Ettevõte võib ehitada agendi EL-i lõpp-punktile ning kasutada valmis nägu, kuid samast tehnilisest ühendusest ei teki õigust töötaja, näitleja või muu kindla inimese kujutise järgi uut avatari luua. Väljakuulutatud kasutuskoht on Gemini Enterprise ja ettevõtete rakendused, mis kasutavad Gemini Live API-t; see saadavusteade ei kirjelda Live Avatari väljalaset tarbijale mõeldud Gemini rakenduses.

Oma näo jaoks tuleb läbida eraldi juurdepääsukontroll

Google’i avatari seadistusjuhend lubab kohandatud avatari ainult valitud klientidele ning nõuab võrdluspildilt vähemalt 704 × 1280 piksli mõõtu ja alla 5 MB failisuurust. Ligipääsu küsitakse Google Cloudi klienditiimilt ning ettevõte vastutab näo- ja häälenäidise töötlemiseks vajalike nõusolekute ja õiguste eest. Juurdepääs hõlmab ettevõtte lubatud klientide ringi ja isiku kontrolli: näopildi üleslaadimise võimalus üksi ei anna õigust funktsiooni kasutada.

Kohandatud avatarile antakse võrdluspilt, mille sarnasuse järgi mudel loob vestluses liikuva näo. Soovitatav pildivorming on PNG; nägu peaks olema otsevaates ning pea ja õlad selgelt nähtavad. Alaealiste, kuulsuste ja solvava sisuga kujutised on välistatud. Ka nõuetele vastav pilt ei asenda ettevõttele antavat juurdepääsuluba.

API seadistuses paigutatakse kohandatud näopilt ühenduse alguses välja avatar_config.customized_avatar; valmisavatari puhul antakse samas etapis Google’i avatari nimi. Kohandatud näo juurde saab valida valmis hääle või eraldi kohandatud hääle, mille kasutamiseks on samuti tarvis vajalikke õigusi. Ettevõtte jaoks tähendab see kaht otsust: kelle kujutist tohib õiguspäraselt kasutada ja kas Google on selle funktsiooni tema kontole avanud.

Kõne ja video sünnivad ühe vestluse käigus

Live Avatar kasutab mudelit gemini-3.8-live, mis võtab vastu jooksva vestluse heli ning võib töödelda ka kasutaja kaamerapilti või ekraanijagamist. Mudel loob vastuseks sünteesitud kõne ja sellega ajastatud avatarivideo, sealhulgas huulte liikumise ning ilmed. Kaamera või ekraani jagamine on sisendi võimalus, mitte eeltingimus avatari videoväljundile. Agent saab vastata ka üksnes kõnesisendile, näidates samal ajal oma näoilmeid.

Google Cloudi Studio reaalajavoo vaates valib arendaja mudeli, Live Avatari, sobiva valmis tegelaskuju ja hääle. API puhul lülitab videoväljundi sisse parameeter response_modalities: ["VIDEO"]; avatari ja hääle valik antakse ühenduse algseadistuses. Ühendus käib piirkondliku WebSocketi aadressi kaudu ning kasutab OAuthi ligipääsutõendit. Vestluse heliline ja visuaalne vastus saadetakse voona, mitte ei esitata valmis salvestist.

Agent võib samal ajal kutsuda taustal tööriistu ja küsida välisest süsteemist andmeid. Hotellikülastaja registreerimise näites jätkub vestlus ka siis, kui vajalik toiming on veel pooleli; ettevõtte enda rakenduses tuleb vastav tööriist ja andmeühendus eraldi ehitada. See eristab avatarivideot ette salvestatud teenindusklipist: näoilme ja vastus järgivad käimasoleva dialoogi sisu ning ajastust.

Mitmekeelne väljund kannab SynthID märgistust

Golemi Live Avatari kajastus kirjeldab Google’i teatel 97 keelt toetavat vestlusmudelit ning ettevõtetele avatud avatarifunktsiooni. Vestluse keel tuvastatakse automaatselt ja selle vahetudes kohandub huulte liikumine. Eesti ettevõttele tähendab mitmekeelsus võimalust käsitleda eri keeltes vestlevaid kasutajaid sama agendi kaudu; avaldatud keelte arv üksi ei mõõda siiski konkreetse eestikeelse teenuse vastuste kvaliteeti.

Loodud heli- ja videoväljundile lisatakse nähtamatu SynthID vesimärk, mis aitab tuvastada tehislikult loodud sisu. Märgistus puudutab väljundi päritolu, samal ajal kui kohandatud näo kasutamiseks vajalikud õigused ja juurdepääs otsustatakse enne sessiooni algust. Oma inimese kujutisel põhineva agendi kasutuselevõtu aeg sõltub seega Google Cloudi antavast heakskiidust.