Gemini: Neue Google-KI erstellt realistische Avatare und imitiert Stimmen – vertreten bald die Nutzer? (Video)

 

Google treibt das KI-Modell Gemini immer weiter voran und legt regelmäßig mit neuen Funktionen nach, die den Nutzern gewisse Dinge abnehmen sollen. Dabei hat man allein in den letzten vier Wochen mediale und logische Funktionen präsentiert, die vielen Menschen gar die Möglichkeit geben würden, sich von einem KI-Agenten vertreten zu lassen. Es wird nur eine Frage der Zeit sein, bis genau das in allen Bereichen möglich sein wird.

Die Künstliche Intelligenz in den Google-Produkten ermöglicht es den Nutzern schon heute, selbst die Kommunikation nahezu vollständig in Geminis Hände zu legen. Die KI schreibt E-Mails, beantwortet Nachrichten und erledigt andere Dinge, die man (meiner Meinung nach) eigentlich selbst tun sollte. Doch was sich bisher auf die Textkommunikation beschränkt, könnte schon sehr bald auch medial einen großen Sprung machen und es den Nutzern ermöglichen, selbst gar nicht vor der Kamera zu sitzen. Allein in den letzten vier Wochen gab es in dieser Richtung große Schritte.

Gemini Flash TTS imitiert Stimmen
Google hat erst vor wenigen Tagen das KI-Modell Gemini Flash TTS veröffentlicht, das als Text-to-Speech-Technologie die Sprachsynthese auf ein ganz neues Level heben soll. Man spricht davon, dass das Modell realistische Stimmen erzeugen soll, die sich nicht mehr von menschlichen Stimmen und deren Eigenheiten und Aussprachen unterscheiden. Das eigentliche Highlight ist es aber, dass das KI-Modell Stimmen perfekt imitieren kann – wozu es gerade einmal eine Sprechprobe von 30 Sekunden benötigt.

Gemini Live erstellt realistischen KI-Avatar
Das ebenfalls noch brandneue Modell Gemini Live Avatar richtet sich vielleicht aus gutem Grund zunächst nur an Unternehmen: Das KI-Modell kann beliebige Personen erstellen und diese so realistisch darstellen, dass sie sich nicht mehr von einem echten Menschen unterscheiden sollen. Dazu bietet man eine Nahezu-Echtzeit-Simulation. Jeder KI-Avatar hat eine eigene Persönlichkeit, lässt sich umfangreich anpassen und soll sich auch aus einem hochaufgelösten Foto erstellen lassen. Im verlinkten Artikel findet ihr viele animierte Beispiele, wie ein solcher Avatar aussieht und mit den Nutzern interagiert.

Fassen wir allein diese beiden Entwicklungen zusammen, lässt sich durch eine kurze Sprachprobe sowie einem hochaufgelösten Foto jeder beliebige Mensch nachstellen. Jetzt brauchen wir nur noch die passende Umgebung.

Google Beam zeigt hochrealistisches KI-Menschen
Die von Google schon seit einigen Jahren mit Hochdruck entwickelte Videotelefonie-Technologie Google Beam geht in die Internationalisierung. Man will die wirklich sehr überzeugende und auf absoluten Realismus ausgelegte Videotelefonie auch nach Deutschland bringen. Dabei werden für den größtmöglichen Realismus aber nicht die rohen Kameraaufnahmen übertragen, sondern die KI erstellt ein 3D-Modell jeder Person und legt die aufgenommene Textur in Echtzeit darüber.

Das klingt aufwendig, hat aber in unzähligen Tests dazu geführt, dass viele Menschen sehr schnell vergessen, vor einem Display zu setzen oder gar überzeugt sind, dass sich die andere Person gar im selben Raum befindet. Das Ergebnis weiß zu beeindrucken und überzeugt selbst die Tester immer wieder, die die Technologie kennen. Kombinieren wir diese Fähigkeit jetzt mit den Gemini-Möglichkeiten zur Erzeugung eines künstlichen Menschen auf Basis echter Aufnahmen (siehe oben), wäre es theoretisch gar nicht mehr notwendig, dass der Gesprächspartner tatsächlich vor der Kamera sitzt.

Können Gemini-Avatare den Nutzer (virtuell) ersetzen?
Wir können mit Gemini also einen Menschen visuell täuschend echt erstellen, können dessen Stimme täuschend echt nachempfinden und diesen über die Beam-Videotelefonie mit anderen Menschen kommunizieren lassen. Verknüpfen wir das jetzt noch mit dem umfangreichen Wissen, das Google und Gemini über jeden Nutzer hat, kann man obige Frage eindeutig mit JA beantworten. Zumindest für den virtuellen Raum könnten sich die Nutzer schon sehr bald eine 1:1 Kopie von sich selbst anfertigen und diese an Videotelefonaten teilnehmen lassen – ohne dass es die anderen Teilnehmer bemerken.

Ich behaupte, dass Google schon heute sehr viele Nutzer digital ersetzen könnte – wenn man das denn wollte. Denn man hat viele Informationen, die KI-Agenten und vielen kleinen Helferlein sind schon heute enorm treffsicher und dank Sprachsteuerung sowie Fotos und Videos hat man eine umfangreiche mediale Basis zum „Nachbau“. Weil auch die Konkurrenz ähnliche Technologien entwickelt (aber noch nicht über die notwendige Datenbasis verfügt), wird es nur eine Frage der Zeit sein, bis es so weit ist…

Letzte Aktualisierung am 20.09.2026 / Bilder von der Amazon Product Advertising API / Affiliate Links, vielen Dank für eure Unterstützung! Als Amazon-Partner verdiene ich an qualifizierten Verkäufen.

---

---