公開
Googleは9月24日(現地時間)、リアルタイム音声対話モデル「Gemini 3.8 Live」において、ほぼリアルタイムで動画を生成する機能「G8.mini Live with Live Avatar」を発表、同日より企業向け「Gemini Enterprise」で一般公開を開始した。
（写真：Google）
Live Avatar は、9 月 15 日にリリースされた Gemini 3.8 Live の対話機能と低遅延ビデオ ストリーミングを統合します。ユーザーがカメラの映像を聞いたり見たりしている間、アバターの映像や音声に応じて口が動きます。
同社のシュアイブ・ネムリ氏が、独自の画像で作成した猛禽類の動画を個人のXアカウントに投稿しています。
3.8 会話を止めずにツールを実行する 3.8 Liveでは、顧客との会話を続けながら、ツールを使用して手続きを進めることができます。対応言語は日本語を含む97言語。
このサービスの目的は、企業がオンライン サービスをよりインタラクティブに開発できるようにすることです。使用目的は、顧客サービス、インタラクティブなウォークスルーなどです。
例としては、従業員の許可を得たブランドガイドやECアシスタント、ゲームNPCなどが挙げられ、人材に応じた契約が行われます。
アバターの生成については、モデルカードで、モデルカードで、絵と音声の設定で、絵と音声の設定で、頭の動きと音声を同期させて、表現豊かな動画を生成します3かあ8.8。 「Gemini 3.8 Audio」は、生音声モデルも含めて「Gemini 3 Pro」をベースとしています。アビエーター使用時の出力は音声、ビデオ、テキストで、最大出力は24,000トークン（アビエーターなしの場合は64,000トークン）です。
アバターはGoogleが提供する各種プリセットのライブラリから選択し、デフォルトの音声と組み合わせて使用できます。企業独自のアバターも作成可能。レスポンシブなアバターを作成するには。デモでは、システム命令を設定した後、写真を参照してサンプル音声ファイルをアップロードします。
セキュリティ対策として、悪用を防ぐため、ホワイトリストに登録するカスタムアバターの作成には厳格な検証手順を設けています。
法人顧客が使用したり、Google Cloud コンソールでテストしたり、Live API を介して当社のサービスに統合したりできます。米国およびEUのエンドポイントで提供され、処理能力を事前に確保する「プロビジョンスループット」に対応する。
料金はシステムに従って、100,000トークンあたり、ビデオの出力は1ドルです。その他はテキスト入力が0.75ドル、画像・動画入力が1ドル、音声入力が3ドル、テキストが45ドル、音声出力が45ドルとなっている。ビデオ出力は12ドルです。ビデオは 1 秒あたり 6192 トークンとして計算されます。 APIでは会話が終わるごとに、それまでに蓄積されたトークンが変化します
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
