Yapay zeka ekosisteminde ses getiren adımlar atan teknoloji şirketi Google, sesli diyalog modeli Gemini 3.8 Live için geliştirdiği Live Avatar özelliğini resmi olarak duyurdu.

Modelin tanıtılmasından yaklaşık bir hafta sonra paylaşılan yenilik, sesli sohbetlere konuşmayla eş zamanlı dudak hareketleri ve yüz ifadeleri ekliyor.

İlk etapta Gemini Enterprise müşterilerine açılan teknoloji, kullanıcıların yapay zekanın yanıtlarını sesli olarak dinlerken aynı anda ekranda konuşan dinamik bir karakter görmesini sağlıyor.

https://www.youtube.com/watch?v=QXiJfxdcSgo

DÜŞÜK GECİKMELİ VİDEO İLE SES VE GÖRÜNTÜ BİRLEŞİYOR

Canlı avatar sistemi, konuşma esnasında dudak hareketlerini ve yüz mimiklerini verilen yanıtlara anında uyarlıyor.

Google bünyesinde geliştirilen altyapı, düşük gecikmeli video üretim yeteneğini modelin sesli diyalog gücüyle doğrudan harmanlıyor.

Görsel ve işitsel girdileri eş zamanlı işleyebilen mimari, gördüklerine ve duyduklarına gerçek zamana yakın hızda sesli ve görüntülü tepki veriyor.

Teknik dokümantasyonda sistemin ana işleyişi hakkında, "Canlı avatarlar, gemini-3.8-live modelinden gelen sentezlenmiş konuşma yanıtlarıyla senkronize olmuş, konuşan bir avatarın gerçek zamanlı videosunu oluşturmanıza olanak tanır" ifadesi yer aldı.

ARKA PLANDA ARAÇ ÇALIŞTIRIP DİYALOĞU KESİNTİSİZ SÜRDÜRÜYOR

Kurumsal tarafta özellikle müşteri hizmetleri ve adım adım kullanıcı yönlendirme gibi alanlara odaklanan sistem, dikkat çekici bir operasyonel kabiliyet barındırıyor.

Canlı avatar, kullanıcıyla konuşmayı kesintisiz sürdürürken arka planda araç çalıştırabiliyor.

Sistem, ihtiyaç duyduğu kurumsal verileri getirirken kullanıcıyla olan sesli ve görsel diyaloğu aksatmadan devam ettiriyor.

Google, bu işleyişi otel lobisine gelen bir misafirin giriş işlemlerinin yapıldığı örnek senaryo üzerinden detaylandırdı.

97 FARKLI DİL ARASINDA GEÇİŞ YAPARKEN MİMİKLER KORUNUYOR

Sistem, küresel ölçekteki operasyonlar için 97 dil arasında anlık geçiş yapabiliyor.

Google paylaştığı verilerde, dil değiştiği anda sistemin dudak hareketlerini ve yüz ifadelerini yeni telaffuza göre uyarladığını vurguluyor.

Çok dilli geçişlerde görüntü kalitesi ve görsel tutarlılık bozulmadan kalıyor.

Bu yapı sayesinde çok uluslu şirketler, tek bir sanal asistan üzerinden farklı ülkelerdeki müşterilere kendi anadillerinde ve görsel uyum kaybı yaşamadan hitap etme şansı buluyor.

TEK BİR REFERANS GÖRSELLE ÖZEL MARKA YÜZÜ OLUŞTURULUYOR

Sistemi deneyimleyen kurumlar, platformda yer alan hazır avatar kütüphanesinden seçim yapabildiği gibi yüksek kaliteli tek bir referans görsel üzerinden kendi karakterlerini de tasarlayabiliyor.

Bu üretim sürecinde referanstaki özgün görünümün, marka stilinin ve karakter kimliğinin korunması amaçlanıyor.

Ancak şirketin paylaştığı kurallara göre özel avatar oluşturma imkanı, şimdilik yalnızca Google tarafından özel erişim izni verilen kurumsal müşterilerle sınırlı kalıyor.

ÜRETİLEN İÇERİKLERE GÖRÜNMEZ SYNTHID FİLİGRANI EKLENİYOR

Güvenlik ve şeffaflık standartlarını korumak isteyen Google, üretilen tüm ses ve videolara insan duyularıyla algılanamayan dijital SynthID filigranı ekliyor.

Bu görünmez damgalama sayesinde ekrandaki içeriklerin yapay zeka tarafından üretildiği kolayca tespit ediliyor.

Sahte içerik riskine karşı denetim imkanı sunan Live Avatar özelliği, Gemini Enterprise platformu üzerinden kurumsal kullanıcıların erişiminde bulunuyor.