Google startet Gemini 3.8 Live‑Avatar mit Echtzeit‑Lippensynchronisation in 97 Sprachen für Unternehmen

Am 25. September 2026 präsentierte Google offiziell die neueste Erweiterung seiner Gemini 3.8 Live‑Plattform: einen Live‑Avatar, der als synthetischer Präsentator fungiert und in Echtzeit in 97 verschiedenen Sprachen spricht, dabei die Lippenbewegungen exakt synchronisiert und zusätzlich Bilddaten auf dem Bildschirm einblendet. Das Feature ist sofort für Kunden des Gemini‑Enterprise‑Programms nutzbar.

Der Avatar wird als animierte Persona beschrieben, die nicht nur die gesprochene Ausgabe in Echtzeit nachahmt, sondern auch die Gesichtsmuskulatur so steuert, dass die Lippen‑ und Gesichtsbewegungen perfekt zu den jeweiligen Phonemen passen. Gleichzeitig kann er grafische Overlays wie Diagramme, Tabellen oder Symbolgrafiken einblenden, um die verbale Botschaft visuell zu unterstützen.

Wie die Technologie funktioniert

Eine Woche vor der Avatar‑Einführung hatte Google Gemini 3.8 Live als Modell vorgestellt, das visuelle Eingaben nahezu in Echtzeit verarbeitet. Auf dieser Basis erzeugt der Live‑Avatar ein dreidimensionales, animiertes Gesicht, dessen Mundformen dynamisch an die phonologische Ausgabe des Gemini‑Sprachmodells angepasst werden. In der öffentlichen Vorführung demonstrierte Google, wie der Avatar mitten im Satz von Englisch zu Japanisch wechselte, wobei die Lippenbewegungen exakt den jeweiligen Lauten folgten.

Die Bild‑Overlay‑Funktion ermöglicht es, während des Sprechens zusätzliche visuelle Elemente einzublenden. So können Diagramme, Aufzählungen oder andere grafische Hinweise nahtlos in das Video integriert werden, wodurch ein einfacher Sprachoutput zu einer vollwertigen, mehrdimensionalen Präsentation ausgebaut wird.

Nur für Unternehmen

Zum Launch ist der Live‑Avatar ausschließlich für Kunden des Gemini‑Enterprise‑Abonnements verfügbar. Unternehmen, die das Enterprise‑Paket besitzen, erhalten Zugriff auf einen Katalog vordefinierter Avatar‑Designs und haben zudem die Möglichkeit, individuell gestaltete Gesichter zu erstellen, die exakt den Corporate‑Brand‑Guidelines entsprechen.

Jedes erzeugte Video wird mit einem unsichtbaren SynthID‑Wasserzeichen versehen. Google erklärt, dass dieses Wasserzeichen zusammen mit eingebauten Schutzmechanismen die Herkunft des Inhalts sichern und Drittplattformen dabei unterstützen soll, synthetische Medien zu identifizieren.

Mögliche Vorteile und Anwendungsfälle

• Kundendienst‑Agenten, die in der Muttersprache des Anrufers kommunizieren, ohne mehrsprachiges Personal einzustellen
• Interne Schulungsmodule, bei denen ein einheitlicher Präsentator Inhalte in mehreren Sprachen liefert
• Marketing‑Videos, die für globale Kampagnen sofort lokalisiert werden können
• Live‑Webinare, in denen der Avatar spontan zwischen Sprachen wechselt, um ein mehrsprachiges Publikum zu bedienen

Die Fähigkeit, visuelle Konsistenz über alle 97 Sprachen hinweg zu wahren, ist besonders wertvoll für markenzentrierte Kommunikation. Unternehmen können den sogenannten Tal‑Effekt vermeiden, der bei statischen Untertiteln häufig zu einer Diskrepanz zwischen Lippenbewegungen und gesprochener Sprache führt, weil der Avatar stets synchron bleibt.

Gleichzeitig wirft die Einführung des Avatars Fragen zu Identität, Transparenz und Barrierefreiheit auf. Regulierungsbehörden und Interessengruppen warnen davor, dass synthetische Präsentatoren missbraucht werden könnten, um echte Personen zu imitieren oder Informationsquellen zu verschleiern. Das SynthID‑Wasserzeichen stellt einen ersten Schutz dar, doch Google hat bislang nicht offengelegt, wie externe Anbieter das Wasserzeichen praktisch erkennen können.

Aus Sicht der Barrierefreiheit könnte der Avatar die Inhaltserfassung für hörbehinderte Nutzer deutlich verbessern, wenn er mit präzisen Untertiteln kombiniert wird und gleichzeitig visuelle Lippenbewegungen für Lippenleser bereitstellt. Bisher hat Google jedoch keine offiziellen Barrierefreiheitszertifizierungen für das Feature veröffentlicht.

Für ein deutschsprachiges Unternehmen bedeutet die Technologie eine skalierbare Möglichkeit, mehrsprachige Videoinhalte zu produzieren, ohne für jede Sprache separate Sprecher, Übersetzer und Video‑Editoren zu beauftragen. Mit einer einzigen Gemini‑Enterprise‑Lizenz lässt sich ein synthetischer Präsentator erstellen, der dieselbe Botschaft in Dutzenden von Märkten liefert, den Marken‑Ton und das visuelle Erscheinungsbild bewahrt und die Produktionszeit von Wochen auf Minuten reduziert.

Das Ergebnis ist eine beschleunigte Markteinführung, niedrigere Lokalisierungskosten und ein konsistentes Zuschauererlebnis in allen unterstützten Sprachen. Unternehmen können dadurch schneller auf lokale Marktbedingungen reagieren und gleichzeitig die Markenintegrität über alle Regionen hinweg sicherstellen.

Google betont, dass die Technologie noch in der Weiterentwicklungsphase sei und zukünftige Updates weitere Sprachen, erweiterte Gestaltungsoptionen für Avatare und verbesserte Erkennungsmechanismen für das SynthID‑Wasserzeichen bringen werden.

Der Live‑Avatar steht ab sofort allen Gemini‑Enterprise‑Kunden zur Verfügung. Interessierte Unternehmen können über das Google Cloud‑Portal auf den Avatar‑Katalog zugreifen, ein Design auswählen oder ein individuelles Gesicht nach den eigenen Markenrichtlinien erstellen lassen.

In den kommenden Monaten wird Google voraussichtlich weitere Anwendungsbeispiele aus der Praxis veröffentlichen, um zu zeigen, wie der Avatar in Kundenservice‑Zentren, internen Schulungsprogrammen und globalen Marketingkampagnen eingesetzt werden kann.