Google ha puesto en marcha un sistema de avatares de vídeo capaces de mantener conversaciones en 97 idiomas, mover los labios de forma sincronizada con el habla y ejecutar gestiones internas mientras siguen charlando con el usuario. La novedad, llamada Gemini 3.8 Live con Live Avatar, ya está disponible de forma general para los clientes de Gemini Enterprise, según confirmó Google Cloud el 25 de septiembre.
El lanzamiento llega en un momento en que varias grandes tecnológicas compiten por dominar la atención al cliente automatizada mediante vídeo generado por IA. Meta ha movido ficha en la misma dirección en los últimos días, lo que sitúa a los avatares conversacionales como una de las próximas batallas comerciales del sector.
Qué puede hacer este avatar de Google
Según el anuncio oficial de Google Cloud, la herramienta reúne varias capacidades pensadas para sustituir o complementar a los agentes humanos en atención al cliente:
- Sincronía labial en vídeo: el avatar mueve los labios acompasado con lo que dice, imitando una conversación real por videollamada.
- 97 idiomas, con detección automática del idioma que habla la persona al otro lado.
- Ejecución de tareas en segundo plano: puede activar herramientas y conectarse con otras aplicaciones mientras sigue hablando, de modo que confirma una gestión y continúa la charla sin pausas mientras el proceso se completa.
- Tolerancia a interrupciones: si el usuario le corta a mitad de frase, el avatar no pierde el hilo de la conversación.
- Percepción visual en directo: entiende lo que capta la cámara y lo que se muestra en pantalla compartida, además del audio.
Un ejemplo real: comprar coche con un avatar
Google cita el caso de Cox Automotive, que ha desarrollado para la plataforma Autotrader un asistente de compra de vehículos basado en este avatar. La herramienta acompaña al usuario durante la búsqueda, la comparación de modelos y la financiación, señalando elementos en pantalla y activando herramientas mientras mantiene la conversación.
El sistema puede integrarse en páginas web, aplicaciones móviles y quioscos interactivos, lo que amplía su uso potencial a sectores como concesionarios, bancos o comercios físicos.
Verificación, idiomas de servicio y marcas de agua
Las empresas que quieran usar la herramienta pueden elegir entre una biblioteca de avatares ya diseñados por Google. Si prefieren crear un avatar propio, deben pasar por una lista de acceso y un proceso de verificación específico, pensado como barrera de seguridad frente a suplantaciones de identidad o usos fraudulentos.
El servicio opera con puntos de acceso técnicos tanto en Estados Unidos como en la Unión Europea. Además, todo el contenido de audio y vídeo generado incorpora SynthID, la marca de agua invisible que Google utiliza para identificar contenido creado por inteligencia artificial.
La función de razonamiento ampliado, conocida como Extended Thinking, permanece por ahora en fase de vista previa privada y no forma parte todavía del despliegue general.
Qué significa esto para el usuario final
De momento, se trata de una tecnología reservada a empresas que ya son clientes de Gemini Enterprise, no de una función que un particular o un autónomo pueda activar por su cuenta hoy mismo. Su relevancia está en la tendencia que marca: la atención al cliente por vídeo, en el idioma de cada persona y con un asistente capaz de resolver gestiones reales mientras conversa, deja de ser un experimento y empieza a llegar a productos comerciales concretos como el de Autotrader.
Para quienes buscan un presentador virtual para sus propios vídeos, existen ya alternativas más accesibles en el mercado, como las plataformas HeyGen o Synthesia, orientadas a creadores de contenido y pequeñas empresas.
Preguntas frecuentes
¿Qué es Gemini 3.8 Live con Live Avatar?
Es una función de Google Cloud que permite crear avatares de vídeo con inteligencia artificial capaces de mantener conversaciones habladas en 97 idiomas, con sincronía labial y capacidad para ejecutar tareas mientras dialogan con el usuario.
¿Quién puede usar esta herramienta?
Por ahora está disponible exclusivamente para empresas que sean clientes de Gemini Enterprise, no para usuarios particulares ni de forma directa para pequeños negocios sin ese contrato.
¿En cuántos idiomas funciona el avatar?
Funciona en 97 idiomas y detecta automáticamente en qué idioma le está hablando la persona usuaria, sin que sea necesario configurarlo previamente.
¿Dónde se puede usar este avatar?
Puede integrarse en páginas web, aplicaciones móviles y quioscos interactivos, según explicó Google Cloud en su anuncio.
¿Cómo se garantiza que no se use para suplantar identidades?
Crear un avatar personalizado requiere pasar por una lista de acceso y un proceso de verificación de Google. Además, todo el audio y vídeo generado lleva la marca de agua invisible SynthID, que permite identificar que el contenido fue creado por IA.
¿Existen alternativas para crear avatares con IA fuera de las empresas grandes?
Sí, existen plataformas como HeyGen o Synthesia, pensadas para creadores de contenido y negocios más pequeños que quieran generar vídeos con presentadores virtuales en español u otros idiomas.
Samuel Gil es especialista en infraestructura tecnológica, administración de servidores y desarrollo de servicios digitales. Con una sólida trayectoria en entornos web de alta exigencia, optimización de servidores y gestión de arquitecturas de red, Samuel dedica su labor en faq-box.com a desglosar cuestiones técnicas complejas para convertirlas en guías prácticas, transparentes y de alto valor técnico.
Su enfoque editorial prioriza el rigor, la seguridad en los sistemas y la resolución eficiente de problemas técnicos cotidianos y avanzados. A través de sus análisis, busca ofrecer respuestas directas y contrastadas para profesionales y entusiastas del sector tecnológico.
Cuenta con una sólida formación en el área tecnológica, destacando su especialización a través del Máster en Inteligencia Artificial Aplicada a la Gestión Empresarial y el MBA in Digital Transformation & Artificial Intelligence de ISEEN.EU, lo que aporta un rigor técnico avanzado a cada análisis de desarrollo y arquitectura digital.
