Google、97言語対応のリアルタイムリップシンク機能を持つGemini 3.8 Live Avatarを企業向けに提供開始

2026年9月25日、GoogleはGemini 3.8 LiveプラットフォームにLive Avatar機能を追加したことを発表しました。この機能は、音声出力に合わせて口の動きや表情をリアルタイムで変化させ、画面上に情報を重ねて表示できるアニメーション化された人物像として販売されています。

Googleによれば、このアバターは97の言語をシームレスに切り替えることができ、言語変更によって動画の画質が低下したり、リアルタイム合成動画でよく見られるビジュアルドリフトが発生したりしないとされています。

技術的な仕組み

Gemini 3.8 Liveは、先週発表されたほぼリアルタイムで視覚入力を処理できるモデルを基盤としています。Live Avatarはこの基盤上に3次元のアニメーション顔を生成し、Geminiの言語モデルが出力する音声の音素に合わせて口形状を同期させます。デモでは、アバターが英語から日本語へ途中で切り替わり、それぞれの言語固有の音素に合わせた口の動きを維持しました。

このシステムは画面上のオーバーレイもサポートしています。発話中にアバターがチャートや箇条書き、その他の視覚的ヒントを表示でき、単なる音声応答をより完全なプレゼンテーション形式に変換します。

エンタープライズ限定の提供

Live Avatarはリリース時点でGemini Enterpriseの顧客に限定されています。エンタープライズ層に加入している組織は、事前に用意されたアバターのカタログから選択するか、企業のブランディングガイドラインに合わせたカスタム顔を依頼できます。

生成されたすべての動画には目に見えないSynthIDウォーターマークが埋め込まれます。Googleはこのウォーターマークと組み込みの安全機構により、身元保護と合成コンテンツであることの検証を支援すると述べています。

期待できる効果と活用例

• 多言語対応のカスタマーサポートエージェントが、スタッフを増やさずに顧客の母語で対応
• 社内研修モジュールで、統一されたプレゼンターが複数言語で教材を提供
• グローバルキャンペーン向けに、即時ローカライズ可能なマーケティング動画の作成
• ライブウェビナーで、アバターがリアルタイムに言語を切り替え多言語視聴者に対応

言語間で視覚的な一貫性を保てることは、ブランド中心のコミュニケーションに特に価値があります。字幕付きの静止プレゼンターでしばしば起こる不自然さ（アンカニーバレー効果）を回避でき、口の動きが話される言葉と同期したままです。

しかし、このリリースは身元偽装や情報源の隠蔽といった倫理的課題も提起します。規制当局や擁護団体は、合成プレゼンターが実在人物になりすます危険性を警告しており、GoogleのSynthIDは第一歩にすぎず、第三者プラットフォームでの検出方法は未公表です。

アクセシビリティの観点からは、正確な字幕と組み合わせることで聴覚障害者のコンテンツ理解が向上し、リップリーディングを利用するユーザーにも視覚的手がかりを提供できます。ただし、現時点でこの機能に対する具体的なアクセシビリティ認証は発表されていません。

日本の企業にとっては、英語圏の組織と同様に、声優や翻訳者、動画編集者を個別に雇用することなく、数十の市場向けに同一メッセージを合成プレゼンターで配信できる新たなスケーラブル手段となります。Gemini Enterpriseのライセンス1つで、97言語すべてに対してブランドトーンとビジュアルスタイルを維持しながら、制作期間を数週間から数分に短縮でき、投入市場までのサイクルが加速します。