Gemini 3.8 Live with Live Avatarとは｜顔つき音声AIの料金・日本で使えるか・受付や案内に入れる前の判断(2026年9月)

何が発表されたのか

Gemini 3.8 Live は、Googleが2026-09-15(米国時間)に発表した音声会話モデルです。音声を聞きながら同時に話す、途中で話しかけられたら止まる、会話の裏で外部システムを呼び出す、といった電話やチャットの受け答えに必要な動きを一つのモデルで行います。今回の Live Avatar は、その音声に合わせて口と表情が動く顔の映像を、モデル自身が生成する機能です。別の動画生成ツールを組み合わせる必要はありません。

対象は法人です。Google Cloud の Gemini Enterprise(Agent Platform)で2026-09-24に一般提供(GA)となり、Web・モバイルアプリ・店頭のキオスク端末に組み込む使い方が想定されています。個人向けの Gemini アプリの機能ではありません。

仕様の出典: Google「Introducing Gemini 3.8 Live with Live Avatar」(2026-09-24) / Google Cloud「Gemini 3.8 Live with Live Avatar is now generally available」(2026-09-24) / Google Cloud ドキュメント「Gemini 3.8 Live」(モデル仕様・対応リージョン) / Google「Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking」(2026-09-15)

発注側にとって何が変わるか

変わるのは「顔のあるAI窓口」を作るときの部品の数です。これまで受付や案内にアバターを置くには、音声AIとは別に映像を作る仕組みを用意し、口の動きを声に合わせる作業が要りました。Live Avatar はこれを一つのAPI呼び出しにまとめます。開発の見積もりで「アバター表示」が独立した大きな項目でなくなる、と考えると分かりやすいです。

もう一つは、会話の裏で業務システムを呼ぶときの挙動です。Gemini 3.8 Live は外部の処理(予約の空き確認、注文状況の照会など)を呼び出している間も、「確認しますね」と話し続けられます。利用者が途中で別のことを言えば、実行中の処理を取り消して新しい要望に切り替えます。窓口の会話で起きる「少々お待ちください」の沈黙を減らせる、という意味です。

誤解しやすいのは、顔がついても答えの中身は変わらない点です。案内できる内容は、システム指示と接続した業務システムの範囲で決まります。顔は「話しかけやすさ」と「待たされている感じの軽減」に効くもので、問い合わせの解決率を上げるものではありません。

• 効く場面: 店頭や施設のキオスク、Webの初回案内、多言語の来訪者対応。画面の前に立った人に話しかけてもらう入口
• 効かない場面: 電話(映像が届かない)、社内の定型処理、テキストで済む問い合わせ。ここに顔をつけても費用が増えるだけです
• 変わらないこと: 人へ引き継ぐ線の設計、本人確認、個人情報の扱い。これらは音声だけの構成と同じ検討が要ります

仕様の出典: Google Cloud ドキュメント「Developer's guide to Gemini 3.8 Live」 / Google Cloud「Gemini 3.8 Live with Live Avatar is now generally available」(2026-09-24)

顔をつけるといくら増えるか(公式単価からの試算)

料金は Google Cloud の Agent Platform の料金表に載っています(2026-09-25確認)。単価は100万トークンあたりで、映像や音声はトークンに換算して課金されます。換算率も料金表の注記にあり、音声は1秒25トークン、アバター映像は1秒6,192トークンです。映像の課金はアバターが話している間だけで、聞いている間(待機中)は課金されません。

この表から分かるのは、費用のほとんどが映像だということです。アバターが1分話すと約0.37ドル、同じ1分の音声出力は約0.018ドルなので、映像は音声の20倍ほどになります。

説明用に、1件5分の会話で、利用者とAIが半分ずつ話す(AIが話すのは2.5分)と仮定します。アバターありなら、映像2.5分で約0.93ドル、音声出力で約0.045ドル、音声入力で約0.011ドル、合計およそ0.99ドルです。1ドル157円(2026-09-29の為替)で概算すると1件あたり約155円になります。同じ会話を音声だけで行うと合計は約0.056ドル、約9円です。月1,000件なら、アバターありで約15万5,000円、音声だけなら約8,800円という差になります。前提を変えた試算は「Live Avatarの費用試算」にまとめています。

この試算には入っていない費用があります。Live API は会話のターンごとに、それまでのやり取り(セッションの文脈)を含めたトークン数で課金される仕組みなので、長い会話ほど1ターンの費用が増えます。カメラや画面共有を使えば入力側の映像トークンも加わります。加えて、業務システム側のサーバー、Gemini Enterprise の契約、開発と運用の費用は別です。数字は自社の会話の長さと件数で必ず引き直してください。ここでの計算はあくまで公式単価を並べただけの例で、当社や顧客の実測値ではありません。

仕様の出典: Google Cloud「Agent Platform Pricing」(Gemini 3.8 Live API の単価と Live API Billing Details)

日本の会社で使えるか

日本語は使えます。Live API の対応言語一覧に日本語(ja-JP)が入っており、97言語を会話の途中で自動で切り替える仕様なので、日本語と英語が混ざる窓口でも一つの構成で受けられます。ただし、日本語での口の動きや表情の自然さについて、Googleは言語別の品質を公表していません。ここは自社で見て判断する項目です。

気をつけたいのはデータの置き場所です。Gemini 3.8 Live のモデルページ(2026-09-25確認)では、対応リージョンは米国(us、us-central1)とEU(eu)だけで、日本リージョン(asia-northeast1)はありません。日本の Google Cloud アカウントからも米国かEUのエンドポイントを指定して呼び出す形になり、会話の音声や映像は国外で処理されます。来訪者の顔がカメラで送られる構成なら、個人情報の越境移転として社内規程や利用規約の見直しが要るかを先に確認してください。国内処理が条件の業務には、いまの段階では合いません。

自社の社員や独自キャラクターの顔を使うカスタムアバターは、公式ドキュメントで「一部のお客様のみ」とされ、利用には Google Cloud のアカウントチーム経由で申請が必要です。顔や声のサンプルを扱うための同意と権利の確保は利用企業の責任である、とも明記されています。実在の社員の顔を使うなら、本人の同意、退職後の扱い、肖像の使用範囲を先に決めておかないと、あとで止めにくくなります。参照画像の仕様(PNG推奨、縦704×1280ピクセル以上、5MB未満、胸から上の正面写真)も公開されています。

契約面では、Gemini Enterprise を契約している、または Google Cloud のプロジェクトを持っていることが前提です。ChatGPTやCopilotのように個人のアカウントで試せるものではなく、情シスか開発会社が Google Cloud 側で設定する必要があります。

仕様の出典: Google Cloud ドキュメント「Gemini 3.8 Live」(モデル仕様・対応リージョン) / Google Cloud ドキュメント「Configure language and voice」(対応言語一覧) / Google Cloud ドキュメント「ライブアバターを構成する」

GPT-Liveとどう違うか

音声AIの選択肢として当サイトで整理しているOpenAIのGPT-Live-1と、いま分かっている範囲で並べます。決定的な違いは顔の映像を出せるかどうかで、音声だけの用途なら両者の比較軸は会話品質・接続方式・費用になります。

電話の一次受付や予約の変更など、相手の顔が見えない用途では、Live Avatar を選ぶ理由は薄いです。反対に、店頭や施設に画面を置いて話しかけてもらう用途では、映像を別に作らずに済む分、Gemini 側の構成が単純になります。どちらも「会話の出口(何の仕事を終わらせるか)」を先に決めてから選ぶのは同じです。

仕様の出典: Google Cloud ドキュメント「Developer's guide to Gemini 3.8 Live」 / Google Cloud「Agent Platform Pricing」(Gemini 3.8 Live API の単価と Live API Billing Details)

いまやること・待ってよいこと

受付や案内に顔のあるAIを置きたい、という話が社内で出ているなら、次の順で進めるのが無理がありません。

• 対象を1つに絞る: 「来訪者への館内案内」「営業時間外の初回問い合わせ」のように、会話の出口が決まっている業務を1つ選ぶ。全部の問い合わせを受けるアバターは評価できません
• 音声だけで先に試す: 組み込みアバターを使う前に、同じ Gemini 3.8 Live を音声だけの構成で動かし、日本語の聞き取りと引き継ぎの動きを確認する。顔の分の費用(1件あたり十数倍)をかける価値があるかは、この段階の会話品質で決まります
• 費用を自社の数字で引き直す: 月の件数、1件の平均時間、AIが話す割合の3つを現場から取り、上の単価で計算する。映像の課金は「話している間だけ」なので、AIが長く話す設計ほど高くなります
• データの越境と顔の権利を決める: 米国・EU処理でよいか、カメラ映像を送るか、社員の顔を使うなら同意と退職時の扱いをどうするかを、試作の前に文書にする
• 人へ引き継ぐ線を引く: クレーム、返金、契約の変更など判断と責任が要るものは最初から人へ回す。AIが対応していることを画面に明示する

待ってよいのは、日本リージョンの提供、カスタムアバターの一般開放、日本語での映像品質の第三者評価の3つです。いずれも2026-09-25時点では未発表か未整備で、これらを前提にした計画はまだ組めません。組み込みアバターと米国・EU処理で問題ない業務から始め、条件が揃ったら広げる、という順番になります。

ウェステリアでは、音声AIの適合評価と1業務の試作を、初回1時間の無料相談から始めています。GPT-Live と Gemini 3.8 Live のどちらが合うかを含め、対象業務・月間件数・接続したいシステム名があれば、その場で費用の目安まで出せます。

出典

• Google「Introducing Gemini 3.8 Live with Live Avatar」(2026-09-24): https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-with-live-avatar/
• Google Cloud Blog「Gemini 3.8 Live with Live Avatar is now generally available」(2026-09-24): https://cloud.google.com/blog/products/ai-machine-learning/gemini-3-8-live-with-live-avatar-is-now-generally-available
• Google Cloud「Agent Platform Pricing」(Gemini 3.8 Live API の単価、Live API Billing Details。2026-09-25確認): https://cloud.google.com/gemini-enterprise-agent-platform/generative-ai/pricing
• Google Cloud ドキュメント「Gemini 3.8 Live」モデルページ(対応リージョン、トークン上限。2026-09-25確認): https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/3-8-live
• Google Cloud ドキュメント「ライブアバターを構成する」(カスタムアバターの条件、参照画像の仕様): https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/live-api/configure-live-avatars
• Google Cloud ドキュメント「Developer's guide to Gemini 3.8 Live」(24fps映像、非同期ツール呼び出し): https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-3-8-live
• Google Cloud ドキュメント「Configure language and voice」(対応言語一覧): https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/live-api/configure-language-voice
• Google「Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking」(2026-09-15): https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/
• ITmedia NEWS「Google、リアルタイムで表情豊かに話すAIアバター『Gemini 3.8 Live with Live Avatar』提供開始 画像1枚で独自アバターも」(2026-09-25): https://www.itmedia.co.jp/news/article/2609/25/2000001730/

よくあるご質問

Gemini 3.8 Live with Live Avatarは日本で使えますか?

日本語は対応言語に含まれ、日本の Google Cloud アカウントから利用できます。ただし2026-09-25時点の提供リージョンは米国とEUだけで、日本リージョンはありません。会話の音声や映像は国外で処理されるため、国内処理が条件の業務には合いません。

Live Avatarの料金はいくらですか?

従量制で、アバター映像の出力が100万トークンあたり1ドル、映像は1秒6,192トークンに換算されます(2026-09-25確認)。アバターが話している1分あたり約0.37ドルで、話していない間は映像の課金がありません。音声の入出力やカメラ映像の入力は別の単価で加算されます。

自社の社員の顔でアバターを作れますか?

参照画像1枚からアバターを作るカスタムアバターの機能はありますが、一部の顧客に限った許可制で、Google Cloud のアカウントチームへの申請が必要です。顔と声の権利や本人の同意を確保する責任は利用企業側にあると公式ドキュメントに明記されています。

電話対応にも使えますか?

モデル自体は音声だけの構成でも動きますが、公式ガイドが想定する利用先はWeb・モバイル・キオスクです。電話回線とは、Live API のドキュメントが挙げている連携先(Voximplant など)を経由してつなぐ形になります(2026-09-30確認)。電話の一次受付が目的なら、顔の映像は届かないので、公式のSIP接続ガイドがあるGPT-Liveなど音声専用の選択肢と比べて決めるのが早いです。