什麼是 AI 即時虛擬人像？鏡頭裡會接話的臉，不一定是真人

你在螢幕上看到一個角色：你問問題，它聽完就接話，嘴型跟著聲音變，還會看你展示的東西。這可能不是事先錄好的影片，也不是另一端有人開著攝影機，而是AI 即時虛擬人像。

它和一般影片、聊天機器人差在哪？

一般影片只能播放錄好的內容；文字聊天機器人會回覆，卻未必有會隨對話改變的影像。即時虛擬人像則把語音對話和持續生成的畫面接在一起：它接收聲音或影像，依當下內容回話，口型與表情配合語音。你看到的是互動中的虛擬角色，不該把它誤認為某位真人正在線上。

Google 於 2026 年 9 月 24 日公布的 Gemini 3.8 Live with Live Avatar，是一個具體例子。Google 稱它能近即時聽、看、說，讓角色的口型、表情及輪流發言跟著對話變化，並支援跨 97 種語言調整口型與表情。這些是Google 對該產品的功能描述，不代表每個 AI 虛擬人像都有同樣能力，也不是「完全沒有延遲」或各語言效果一樣的保證。

「我的分身」和「虛擬角色」不是同一件事

虛擬角色可以是預設形象，不一定長得像任何真人。Google 公告提到預設角色庫，也提到可依參考圖打造客製角色；後者目前只對通過企業 allowlisting 的對象開放。把「有一個會說話的虛擬角色」直接說成「人人都能複製自己的臉」是不準確的，更不能據此認為可以未經本人同意複製他人肖像。

同樣要分清楚產品開放範圍。Google 公告寫的是 Gemini Enterprise 提供 Live Avatar，不等於一般 Gemini App 使用者已經可以直接使用或自由建立客製分身。看到示範影片時，先確認它是哪個產品、哪種帳戶與哪種開放條件。

看到會接話的臉，該問什麼？

假設一個虛構服務用 AI 角色回答問題，觀眾至少應能知道自己是在和 AI 互動。角色越流暢、越像有人在場，越不能只靠長相與表情猜測身分。可先問：這是 AI 還是真人？角色代表誰？它的回答能否另外核對？ 這是觀看與設計互動時的判斷原則，不是說任何產品已替每句回答做了事實查核。

Google 說該產品產生的音訊與影片帶有 SynthID 不可見浮水印，提供辨識生成來源的線索。但浮水印不會替對話內容背書，也不能保證網路上每一段影片都可用同一方法判斷。來源、身分與回答是否正確，仍要分開看。

AI 即時虛擬人像最值得注意的不是「臉變得多像真人」，而是我們開始能跟螢幕裡的生成角色對話。先弄清楚它是什麼、開放給誰，以及它是不是在扮演真人，才不會把技術展示誤讀成已普及的功能。

奧微軟體開發企業社撰寫本篇 AI 知識文章；文中互動情境為虛構教學示例，非奧微客戶案例或服務能力承諾。查證日期：2026-09-29。想快速理解，可搭配本篇一分鐘圖解。

一手來源：Google 官方公告：Gemini 3.8 Live with Live Avatar（2026-09-24）。

配樂署名："Carefree" Kevin MacLeod (incompetech.com)，官方作品頁，依 Creative Commons Attribution 4.0 International 授權使用。本片配樂經剪輯、音量調整、淡入淡出及人聲優先混音。

回文章列表