“વીડિયો કોલમાં સામે બેઠેલો માણસ કે AI? Googleના નવા Avatarએ વધારી ઉત્સુકતા”

Google Gemini 3.8 Live Avatar: ગૂગલે AI ટેક્નોલોજીમાં નવું અપડેટ લોન્ચ કર્યું છે. Gemini 3.8 Live with Live Avatar હવે રિયલ-ટાઇમ વાતચીતમાં માત્ર અવાજથી જવાબ નહીં આપે, પરંતુ ડિજિટલ AI અવતાર સાથે વીડિયો અને ઓડિયો દ્વારા વાતચીત કરી શકશે. આ ફીચર ખાસ કરીને એન્ટરપ્રાઇઝ અને બિઝનેસ ઉપયોગ માટે તૈયાર કરવામાં આવ્યું છે અને હાલમાં Gemini Enterpriseમાં ઉપલબ્ધ છે. Googleના જણાવ્યા અનુસાર, Gemini 3.8 Live Avatar એકસાથે ઓડિયો અને વિઝ્યુઅલ ઇનપુટ પ્રોસેસ કરી શકે છે. એટલે કે AI યુઝરની વાત સાંભળી શકે છે, કેમેરા ફીડ અથવા સ્ક્રીન પર દેખાતી વસ્તુને સમજી શકે છે અને પછી રિયલ-ટાઇમમાં અવાજ તથા વીડિયો સાથે જવાબ આપી શકે છે. AI Avatarમાં લિપ-સિંક, ચહેરાના હાવભાવ અને નેચરલ ટર્ન-ટેકિંગ જેવી સુવિધાઓ આપવામાં આવી છે.

Gemini 3.8 Live Avatar શું છે?

Gemini 3.8 Live with Live Avatar Googleનું રિયલ-ટાઇમ કન્વર્સેશનલ AI ફીચર છે, જેમાં Geminiના લાઇવ ડાયલોગ મોડલ સાથે લો-લેટન્સી વીડિયો જનરેશન જોડવામાં આવ્યું છે. આ AI Avatar યુઝરને સાંભળી અને જોઈને વાતચીત કરી શકે છે. તેના જવાબ દરમિયાન ડિજિટલ ચહેરો અવાજ સાથે સુમેળમાં હોઠની હિલચાલ અને કુદરતી ચહેરાના હાવભાવ દર્શાવે છે. Googleનું કહેવું છે કે આ ટેક્નોલોજી ખાસ કરીને Customer Service અને Interactive Product Walkthroughs જેવા બિઝનેસ ઉપયોગ માટે બનાવવામાં આવી છે.

AI વાતચીત કરતી વખતે બેકગ્રાઉન્ડમાં કરશે કામ

Gemini 3.8 Live Avatarની મહત્વની ખાસિયતોમાં Asynchronous Tool Callingનો સમાવેશ થાય છે. આ ટેક્નોલોજીથી AI વાતચીત ચાલુ રાખીને બેકગ્રાઉન્ડમાં અન્ય કામ કરી શકે છે. ઉદાહરણ તરીકે, યુઝર AI સાથે વાત કરતો હોય ત્યારે સિસ્ટમ કોઈ માહિતી મેળવવા, API કોલ કરવા અથવા બિઝનેસ સિસ્ટમમાંથી ડેટા લાવવા જેવી કામગીરી કરી શકે છે. Google Cloudના જણાવ્યા અનુસાર, AI બેકગ્રાઉન્ડમાં ટૂલ્સનો ઉપયોગ કરતી વખતે વાતચીત અટકતી નથી, એટલે યુઝરને લાંબી રાહ જોવાની જરૂરિયાત ઘટી શકે છે.

97 ભાષામાં AI Avatar કરી શકશે વાતચીત

Gemini 3.8 Live Avatar 97 ભાષાઓને સપોર્ટ કરે છે. તેની ખાસિયત માત્ર મલ્ટી-લેંગ્વેજ સપોર્ટ પૂરતી મર્યાદિત નથી. AI વાતચીત દરમિયાન એક ભાષામાંથી બીજી ભાષામાં સ્વિચ થાય ત્યારે લિપ-સિંક અને ચહેરાના હાવભાવ પણ નવી ભાષા પ્રમાણે બદલાઈ શકે છે. Google અનુસાર, ભાષા બદલતી વખતે વીડિયો ફિડેલિટી જાળવવામાં આવે છે અને વિઝ્યુઅલ ડ્રિફ્ટ ટાળવા માટે સિસ્ટમ ડાયનેમિક રીતે એડજસ્ટ થાય છે.

કંપની બનાવી શકશે પોતાનો Custom AI Avatar

Googleએ બિઝનેસ માટે અલગ-અલગ દેખાવ, અવાજ અને વ્યક્તિત્વ ધરાવતા Preset AI Avatarsની લાઇબ્રેરી પણ ઉપલબ્ધ કરાવી છે. આ ઉપરાંત કંપનીઓ પોતાની જરૂરિયાત પ્રમાણે Custom Live Avatar બનાવી શકે છે. Google અનુસાર, ઉચ્ચ ગુણવત્તાવાળી રેફરન્સ ઇમેજના આધારે એનિમેટેડ અને રિસ્પોન્સિવ અવતાર તૈયાર કરી શકાય છે, જેમાં મૂળ ચહેરાની સમાનતા, બ્રાન્ડ સ્ટાઇલ અથવા ચોક્કસ કેરેક્ટરની ઓળખ જાળવી શકાય છે.

જોકે, Custom Avatar Creation હાલમાં Enterprise Allowlisting દ્વારા પસંદગીના ગ્રાહકો માટે જ ઉપલબ્ધ છે.

Google Gemini Live Avatarમાં Deepfake સામે SynthID સુરક્ષા

AI-generated વીડિયો અને ઓડિયોના વધતા ઉપયોગ વચ્ચે તેની ઓળખ અને વિશ્વસનીયતા પણ મહત્વની બની રહી છે. Googleએ Gemini 3.8 Live Avatarમાં SynthID Digital Watermarkનો ઉપયોગ કર્યો છે. Google અનુસાર, AI દ્વારા જનરેટ કરવામાં આવેલા ઓડિયો અને વીડિયો આઉટપુટમાં અદૃશ્ય SynthID વોટરમાર્ક જોડવામાં આવે છે. આ વોટરમાર્ક AI-generated કન્ટેન્ટને ઓળખવામાં મદદ કરે છે અને ખોટી માહિતી અથવા ખોટી રીતે સામગ્રીને માનવ-નિર્મિત ગણાવવાના જોખમને ઘટાડવા માટે બનાવવામાં આવ્યો છે.

Gemini 3.8 Live Avatar ક્યાં મળશે?

Googleએ સ્પષ્ટ કર્યું છે કે Gemini 3.8 Live with Live Avatar હાલમાં Gemini Enterpriseમાં ઉપલબ્ધ છે. એટલે આ ફીચરને સામાન્ય Gemini એપના કન્ઝ્યુમર વીડિયો કોલ ફીચર તરીકે જોવું યોગ્ય નથી. Google Cloud અનુસાર, Gemini 3.8 Live with Live Avatar એન્ટરપ્રાઇઝ ગ્રાહકો માટે ઉપલબ્ધ છે અને ડેવલપર્સ API મારફતે તેને પોતાના રિયલ-ટાઇમ AI એપ્લિકેશનમાં પણ ઇન્ટિગ્રેટ કરી શકે છે.

Google Gemini 3.8 Live Avatarની મુખ્ય ખાસિયતો

• Real-time AI Video Avatar
• Audio અને Video સાથે વાતચીત
• 97 ભાષાઓનું સપોર્ટ
• Real-time Lip Sync
• Natural Facial Expressions
• Live Camera અને Visual Understanding
• Backgroundમાં Asynchronous Tasks
• Preset અને Custom AI Avatars
• SynthID Digital Watermark
• Gemini Enterprise માટે ઉપલબ્ધતા

AI વાતચીતને મળશે હવે ડિજિટલ ચહેરો

Gemini 3.8 Live Avatar સાથે Googleએ AI વાતચીતને માત્ર ટેક્સ્ટ અને અવાજથી આગળ લઈ જઈને વિઝ્યુઅલ અને રિયલ-ટાઇમ ઇન્ટરેક્શન તરફ આગળ વધારી છે. ખાસ કરીને કસ્ટમર સપોર્ટ, વર્ચ્યુઅલ એજન્ટ, પ્રોડક્ટ ડેમો અને અન્ય એન્ટરપ્રાઇઝ સેવાઓમાં આ ટેક્નોલોજીનો ઉપયોગ થઈ શકે છે.