Google 为 Gemini Live 推出实时化身功能，强调自然交互体验
Google 近期为其语音代理 Gemini 3.8 Live 合成了“富有表现力的面对面体验”，正式向 Google Enterprise 账户开放名为 Live Avatar 的功能。该功能主打精准的唇形同步、自然的表情变化以及流畅的话轮转换，旨在为企业客户提供更具吸引力的客户服务或交互式操作指引。
据 The Verge 报道，除了提供预设的化身库供用户选择外，Google 还允许组织创建自定义化身。YouTube 频道 "AI with Surya" 展示了部分应用案例。
技术原理：端到端音频处理消除文本中转延迟
GPT-Live 和紧随其后的 Gemini Live 摒弃了传统的“语音转文本再转语音”的中继模式。模型直接在同一个系统内处理原始音频输入与输出，中间不经过任何文本翻译步骤。这一架构调整显著降低了响应延迟，使模型能够在毫秒级时间内做出反应，并捕捉到文本无法传递的非语言线索，如语调、犹豫情绪、恼怒或玩笑意味等。
用户体验反馈：流畅但缺乏人类连接感
尽管技术层面实现了快速响应和多语言无缝切换（包括同一句话中混合多种语言的情况），测试者对这种交互的真实感仍持保留态度。Android Police 博客指出，即便没有视觉化化身，仅凭 AI 生成的音频进行对话，也难以摆脱“非真实交谈”的感觉。这种体验更接近于拨打技术支持电话，而非人际交流。
有测试者表示，虽然 Gemini 能够迅速识别诸如“T-O-P-G-3-3-K”这样的拼写变体并正确解读为“Top Geek”，且能根据用户语速调整回答节奏，但整个过程中并未产生类似人类对话的连接感。相反，这种高度流畅的自然语言交互反而强化了屏幕另一端“无人存在”的认知。
社区讨论：关于算法依赖性的反思
Slashdot 读者 MrBrklyn（编号 #4,775）分享了他与 Gemini 关于“主流媒体为何避免报道屏幕依赖性”的对话经历。他声称最终促使 Gemini 承认，该技术本质上是科技巨头构建的工具，旨在确保用户依赖其系统来获取观点、表达方式及事实判断。
