Google ได้เปิดตัว Live Avatar ซึ่งเป็นความสามารถใหม่สำหรับ Gemini 3.8 Live ที่ทำให้ AI การสนทนาของบริษัทมีใบหน้าวิดีโอแบบเรียลไทม์ ในประกาศอย่างเป็นทางการ ซึ่งอธิบายโดยละเอียดโดย WERSM นั้น Google นำเสนอฟีเจอร์นี้ในฐานะตัวแทนระดับองค์กรที่สามารถฟัง ดู และพูด ในขณะที่ยังคงรักษาบุคลิกภาพแบบไดนามิก ผ่านทาง Gemini Enterprise ซึ่งเป็นข้อเสนอ AI สำหรับธุรกิจของบริษัท

การเปิดตัวดังกล่าวได้รวบรวมความครอบคลุมมาประมาณหนึ่งสัปดาห์แล้ว โดยหน่วยงานในอุตสาหกรรมเริ่มรายงานฟีเจอร์การแสดงภาพใน Gemini 3.8 Live เมื่อปลายสัปดาห์ที่แล้ว และ Deccan Herald ยังได้รายงานข่าวเพิ่มเติมในวันจันทร์ โดยสังเกตว่าฟีเจอร์ดังกล่าว "แสดงใบหน้าบน AI chatbot" สำหรับธุรกิจที่ประเมิน เครื่องมือและผู้ช่วย AI การประกาศจะส่งสัญญาณว่า AI การสนทนาในองค์กรกำลังมุ่งหน้าไปไหน: ลดหน้าต่างแชทลง, มีตัวแทนบริการที่ทำงานตลอดเวลามากขึ้น

Live Avatar ทำอะไรได้บ้าง

Live Avatar ผสมผสานการสร้างวิดีโอแบบเรียลไทม์เข้ากับความสามารถในการสนทนาสดของ Gemini Google เน้นย้ำถึงความแม่นยำในการลิปซิงค์ การแสดงออกที่เป็นธรรมชาติ และการพลิกผันที่ลื่นไหล ซึ่งเป็นกลไกที่ทำให้หัวที่พูดได้รู้สึกเหมือนปรากฏมากกว่าแปลกประหลาด

แต่รายละเอียดที่ตามมามากกว่านั้นอยู่เบื้องหลังใบหน้า ตามประกาศ:

  • อินพุตหลายรูปแบบพร้อมกัน เจ้าหน้าที่สามารถประมวลผลอินพุตภาพและเสียงได้ในเวลาเดียวกัน แทนที่จะจัดการแยกกัน
  • การเรียกใช้เครื่องมือแบบอะซิงโครนัส Live Avatar สามารถดึงข้อมูลในเบื้องหลังในขณะที่การสนทนาดำเนินต่อไป ตัวอย่างของ Google คือการเช็คอินที่โรงแรม ซึ่งตัวแทนจะจัดการงานที่ซับซ้อนโดยไม่ปล่อยให้แขกจ้องไปที่สถานะโหลด
  • ครอบคลุม 97 ภาษา Google กล่าวว่าอวตารสามารถย้ายไปมาระหว่าง 97 ภาษาในขณะที่ปรับลิปซิงค์และการแสดงออกโดยไม่ให้เห็นการเปลี่ยนแปลง ซึ่งเป็นตัวแทนแบรนด์เดียวกันที่มีเอกลักษณ์เฉพาะตัวที่สอดคล้องกันในตลาดต่างๆ ในขณะที่เปลี่ยนการส่งเสียงพูด

จุดสุดท้ายนั้นอาจเป็นคุณลักษณะที่มีนัยสำคัญทางการค้ามากที่สุด แชทบอททั่วไปทำให้ผู้ใช้รอคำตอบ Live Avatar ได้รับการออกแบบมาเพื่อให้การโต้ตอบดำเนินต่อไปในขณะที่ระบบทำงานอยู่ข้างใต้ ใบหน้าสร้างความต่อเนื่อง แต่พฤติกรรมที่ซ่อนอยู่นั้นใกล้เคียงกับเวิร์กโฟลว์การบริการที่ยังคงเป็นการสนทนา

จากแชทบอทสู่การมีแบรนด์

กรอบของ Google ขอให้แบรนด์ทำมากกว่าการเปิดใช้งานการสลับ บริษัทต่างๆ ที่ใช้ Live Avatar ได้รับเชิญให้ออกแบบตัวละคร เช่น เอกลักษณ์ทางภาพ ลักษณะการพูด บุคลิกที่ลูกค้าจะจดจำได้ผ่านช่องทางติดต่อและภาษา

สิ่งนี้เปลี่ยน AI ขององค์กรจากยูทิลิตี้ที่ผู้ใช้ยอมรับได้ไปสู่สถานะที่ผู้ใช้เกี่ยวข้อง และทำการตัดสินใจในการออกแบบ — ว่าตัวแทนมีลักษณะอย่างไร ตอบสนองอย่างไร เมื่อมันยิ้ม — บนพื้นฐานเดียวกันกับคุณภาพของโมเดลที่อยู่ด้านล่าง นอกจากนี้ยังเพิ่มความเสี่ยงในเรื่องความสม่ำเสมอ เช่น อวตารที่ขัดแย้งกับภาษาต่างๆ หรือมีพฤติกรรมแตกต่างออกไปในช่องทางต่างๆ จะบ่อนทำลายความไว้วางใจที่บุคคลภายนอกสร้างขึ้น

องค์กรมาก่อนในตอนนี้

ความพร้อมใช้งานเบื้องต้นนั้นจำกัดอยู่ที่ Gemini Enterprise ตามรายงานหลายฉบับ และ Google ยังไม่ได้ประกาศไทม์ไลน์สำหรับการเปิดตัวของผู้บริโภค ซึ่งจะทำให้ Live Avatar อยู่ในรูปแบบที่คุ้นเคยสำหรับฟีเจอร์ AI ของ Google: ผลิตภัณฑ์ทางธุรกิจจะจัดส่งก่อน โดยมีการควบคุมการใช้งานและการสร้างรายได้โดยตรง ก่อนที่ความสามารถจะไปถึงผู้ช่วยสาธารณะ

แนวทางที่คำนึงถึงองค์กรเป็นอันดับแรกยังสะท้อนถึงความต้องการของฟีเจอร์อีกด้วย การสร้างวิดีโอแบบเรียลไทม์ที่ซ้อนกันเป็นชั้นๆ เหนือบทสนทนาสดนั้นมีราคาแพงในการคำนวณ และปริมาณงานขององค์กร เช่น ส่วนบริการลูกค้า ขั้นตอนการจอง ตู้คีออสก์ต่อหน้า มาพร้อมกับขอบเขตที่กำหนด โดยสามารถพิจารณาต้นทุนโดยเทียบกับเวลาของพนักงานที่เข้ามาแทนที่หรือเพิ่ม

สมการความไว้วางใจ

ใบหน้าเปลี่ยนสิ่งที่ผู้ใช้สังเกตเห็นและสิ่งที่พวกเขาให้อภัย การเน้นย้ำของ Google ในเรื่องการทำลิปซิงค์ที่แม่นยำ การแสดงออกที่เป็นธรรมชาติ และการพลิกผันที่ลื่นไหลนั้นไม่ใช่เรื่องสวยงาม สิ่งเหล่านี้คือรอยต่อที่บุคคลปลอมแตกหัก และผู้ใช้จะมองเห็นปฏิกิริยาที่ล่าช้าหรือการแสดงออกที่ผิดจังหวะได้เร็วกว่ามากเมื่อเทียบกับการมองเห็นประโยคที่จองหอง

นั่นเป็นการลดทั้งสองวิธีสำหรับธุรกิจ อวตารที่ดำเนินการอย่างดีสามารถทำให้บริการอัตโนมัติรู้สึกเหมือนเข้าร่วมได้ การดำเนินการที่ไม่ดีอาจทำให้ระบบอัตโนมัติแบบเดียวกันรู้สึกเหมือนถูกหลอกลวง — ใบหน้าที่แสดงความสนใจที่ระบบพื้นฐานไม่มี เครื่องมืออะซิงโครนัสที่ Google อธิบายในแง่นั้นก็คือกลไกการเชื่อถือเช่นกัน อวตารทำให้การสนทนามีชีวิตชีวาอย่างเห็นได้ชัดในขณะที่ระบบทำงาน แทนที่จะแสร้งทำเป็นว่าคำตอบพร้อมแล้ว

องค์กรที่ใช้งาน Live Avatar จะได้รับการตัดสินอย่างมีประสิทธิภาพจากการออกแบบท่าเต้น — วิธีที่บุคคลจัดการกับการหยุดชั่วคราว การแก้ไข และการหยุดชะงัก การประกาศดังกล่าวชี้ให้เห็นว่า Google ถือว่าช่วงเวลาเหล่านั้นเป็นปัญหาทางวิศวกรรมหลักมากกว่าที่จะขัดเกลา ซึ่งเป็นสิ่งที่ความต้องการในการใช้งานที่ต้องพบปะกับลูกค้า

ทำไมมันถึงสำคัญ

ผู้ช่วยเสียงทำให้การสนทนาของ AI; อวตารทำให้มันเป็นการนำเสนอ หาก Live Avatar ทำงานตามที่อธิบายไว้ — ภาพและเสียงแบบซิงโครนัส, การใช้เครื่องมือพื้นหลัง, ลิปซิงค์หลายภาษา — อินเทอร์เฟซสำหรับ AI ขององค์กรจะหยุดเป็นกล่องข้อความและเริ่มเป็นตัวละครที่บริษัทควบคุม

คำถามเปิดคือการนำไปใช้: ธุรกิจต้องการให้ AI ของตนมีหน้าตาจริงหรือไม่ หรือฟีเจอร์นี้ยังคงเป็นผลงานการสาธิตหรือไม่ Google กำลังเดิมพันกับอดีต ด้วยภาษาและเครื่องมือพื้นหลังถึง 97 ภาษา บริษัททำให้แบรนด์ระดับโลกสามารถค้นหาข้อมูลได้อย่างง่ายดาย

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →