Google anunció la disponibilidad general de Gemini 3.8 Live con Live Avatar para clientes empresariales. La función genera video de un avatar que habla en tiempo real, sincronizado con la voz del modelo, y puede combinar conversación, cámara, pantalla y llamadas a herramientas. La oferta utiliza endpoints en Estados Unidos y la Unión Europea; Google no confirmó en el anuncio disponibilidad comercial específica para Paraguay.

Un avatar que conversa y puede usar herramientas

Gemini 3.8 Live es un modelo de interacción de voz a voz. Live Avatar añade una presencia visual: el sistema produce video de un personaje hablando con sincronización labial. Según el anuncio de Google Cloud del 24 de septiembre, puede operar en web, móviles y quioscos interactivos.

La conversación no queda aislada del resto de una aplicación. El modelo admite llamadas a herramientas y APIs mientras continúa hablando; también puede procesar una transmisión de cámara o pantalla junto con audio. Google afirma que entiende y habla 97 idiomas con detección automática. Esa cifra es una declaración del proveedor y no una prueba independiente de calidad equivalente en todos los idiomas, acentos o contextos.

La empresa muestra ejemplos de atención de reclamos de seguros, búsqueda de vehículos y servicio al cliente. Son demostraciones y testimonios de socios, no garantías de desempeño. En un proceso real, la exactitud dependerá de los datos conectados, reglas, latencia, ruido, idioma y forma en que se gestione una interrupción.

Avatares predefinidos y personalizados tienen accesos distintos

Los clientes pueden elegir una biblioteca de avatares predefinidos y combinarlos con voces compatibles. La documentación técnica permite configurarlos desde Google Cloud o mediante la Gemini Live API, indicando el modelo `gemini-3.8-live`, modalidad de respuesta en video, avatar y voz.

Un avatar personalizado funciona de otra forma. La organización entrega una imagen de referencia y el sistema genera el video con esa apariencia. Google limita esta opción a clientes seleccionados mediante allowlist, es decir, una lista de acceso aprobada. Para solicitarla, hay que contactar al equipo de cuenta de Google Cloud.

La documentación establece que el cliente es responsable de obtener todos los consentimientos y derechos necesarios para procesar muestras de rostro o voz. También prohíbe imágenes de menores, celebridades o contenido ofensivo en los requisitos técnicos. Una empresa no debería interpretar la posibilidad de subir una foto como permiso para animar a cualquier persona.

Google recomienda una imagen PNG en RGB, de al menos 704 por 1.280 píxeles, 720p o superior y menos de 5 MB. Sugiere un retrato frontal de cabeza y hombros, fondo simple y expresión neutral. Esas especificaciones sirven para la entrada técnica; no reemplazan una autorización documentada de la persona representada.

Marca de agua y controles no eliminan el riesgo de suplantación

Google dice que los flujos de audio y video generados incorporan marcas imperceptibles SynthID. También presenta la verificación de clientes y el acceso restringido a avatares personalizados como barreras contra el abuso.

Esos controles son relevantes, pero no bastan por sí solos. Una organización debe informar de manera visible que el interlocutor es generado por IA, aunque la marca técnica sea invisible. También necesita guardar evidencia del consentimiento, limitar quién puede crear un avatar, registrar cada versión y ofrecer una forma simple de contactar a una persona.

Si el avatar ejecuta acciones mediante herramientas, la interfaz debería separar conversación de autorización. Consultar un estado puede ser automático; confirmar un pago, modificar un contrato o enviar información sensible debería requerir una comprobación adicional. El rostro amable de un avatar no vuelve correcta una respuesta ni autorizada una acción.

Qué implica para una empresa de Paraguay

La disponibilidad general anunciada se refiere a Gemini Enterprise y a infraestructura con endpoints de Estados Unidos y la Unión Europea. No equivale a una confirmación de contratación, facturación, soporte o residencia de datos para una empresa paraguaya. Antes de diseñar un proyecto, verificá región del proyecto de Google Cloud, condiciones de servicio, precios, acceso al modelo y requisitos de datos.

El primer piloto razonable sería un caso de bajo riesgo: orientación dentro de un catálogo público o capacitación sobre contenido aprobado. Usá un avatar predefinido, un conjunto de respuestas limitado y herramientas sin capacidad de modificar sistemas. Medí comprensión, latencia, derivación a humanos y errores por idioma o ruido.

Para un rostro personalizado, documentá quién es la persona, qué muestras se procesan, por cuánto tiempo, en qué canales aparecerá el avatar y cómo puede revocar la autorización. Si la voz también imita a alguien, tratala como un dato biométrico sensible según la normativa y las políticas aplicables.

La función puede resultar atractiva para atención bilingüe o multilingüe, turismo, capacitación y asistencia en quioscos. Sin embargo, no hay evidencia publicada de rendimiento específico con español paraguayo o guaraní. Esa validación tendría que hacerse localmente antes de prometer cobertura lingüística.

Qué conviene observar ahora

Google mantiene Gemini 3.8 Live Extended Thinking en vista previa privada, aunque Live Avatar figure como disponible en general. También ofrece rendimiento aprovisionado y controles empresariales, cuyos costos y condiciones deben revisarse por proyecto.

Los puntos a seguir son el acceso regional efectivo, los requisitos de la allowlist, la forma de verificar SynthID y la calidad en idiomas relevantes. Una prueba seria debería incluir consentimiento, señalización visible, registro de herramientas y un modo humano de respaldo desde el primer día. También debería registrar fallas de sincronización entre audio y video.

Fuentes