Gemini Live Avatar 免费吗？价格、额度与自定义头像门槛

不免费。如果你想知道“Gemini Live Avatar 免费吗”，答案是：Google 于 2026 年 9 月 24 日发布的这项能力，属于按用量计费的 Gemini Enterprise API 功能，并不是面向消费者的 Gemini 应用权益。一场会话可能触发 6 个计费项；若要使用自定义真人形象，还必须先通过企业白名单审核。

Gemini Live Avatar 免费吗？

Gemini 3.8 Live 的 Live Avatar 并不是永久免费功能。Google 通过 Gemini Enterprise Agent Platform 提供该模型，支持 Standard 按量付费或 Provisioned Throughput；内置虚拟形象与自定义真人形象的准入规则也不相同。

真正需要区分的，不只是免费与付费，而是消费者应用与 Enterprise API，以及内置虚拟形象与自定义真人形象。

Google 目前的消费者套餐解决的是另一类购买问题。Gemini 定价指南介绍了这些套餐，也说明了为什么应用订阅费与 API 账单必须分开预算。

Gemini Enterprise Live Avatar：9 月 24 日发生了什么变化？

9 月 24 日，支持 Live Avatar 输出的 gemini-3.8-live 正式进入生产可用状态。Google 的 GA 公告称，该功能可为网页、移动端和自助终端生成音画同步的说话虚拟人；模型页面则显示，us、eu 和 us-central1 区域支持 Standard PayGo。

它本质上是有状态的实时会话：既能接收文本、音频、图片或视频输入，也能通过 WebSocket 返回语音和 MP4 虚拟形象视频流。这个虚拟形象并非贴在聊天机器人上的预录主持人，而是实时、可打断对话中的一种输出模态。

这一区别会直接影响客服产品设计。同一个模型可以听取用户说话、查看共享摄像头画面、调用后端工具，并让交互持续推进。此前的 Gemini 3.8 Live 后台工具调用解析已介绍语音智能体的工作方式；这次发布增加了面部画面，也增加了一项独立计费的输出。

同样重要的是，以下事项并未改变：消费者版 Gemini 订阅没有因此变成 API 使用权；员工或代言人的自定义真人形象也没有开放为完全自助服务；Gemini 3.8 Live Extended Thinking 在发布时仍处于私密预览阶段。

对开发者、运营团队和采购方意味着什么？

开发者：监测 6 个计费项，而不是只看会话时长

开发者应先从内置虚拟形象入手，并收集每一轮返回的用量数据。Google 会分别计算文本输入、图片或视频输入、音频输入、文本输出、音频输出和虚拟形象视频输出。后续轮次还可能重新处理之前的上下文，因此时长相同的两场会话，账单也可能不同。

工程层面的结论很直接：计时器不能代替成本监控。应按模态记录计费 token、说话时长、摄像头是否开启、对话轮数，以及请求成功或失败的状态。Google 表示，只有请求返回 HTTP 200 时，才会收取输入和输出费用。

运营团队：说话占比本身就是产品决策

运营团队可以通过对话设计控制一个重要的成本杠杆。只有虚拟形象说话时才会产生视频输出费用；它保持静默、聆听用户时不会计费。一个言简意赅、问完明确问题便等待回答的智能体，产生的视频输出会少于那些反复念政策、逐步播报每次工具调用或给出冗长回应的智能体。

这并不意味着体验应该变得生硬。真正值得设计的是短轮次、可见的处理进度，以及有目的的停顿。运营指标应关注每场会话的解决质量并附上各模态成本，而不是一味追求最低 token 数。

采购方：内置形象与自定义形象走的是两套采购路径

在项目具备访问和结算条件的前提下，采购方可以通过文档所述的控制台流程评估内置虚拟形象。自定义真人形象则需要单独审批。如果业务方案必须让创始人、员工、付费演员或品牌角色出镜，那么白名单审核就应放在采购流程起点，而不是等原型已经获得内部认可后再处理。

因此，商业决策应该拆成两步：先用内置虚拟形象验证“看得见的智能体”能否改善用户旅程；在向生产环境承诺品牌真人形象之前，再等待书面的自定义访问许可，落实肖像权与安全审查，并测清每场会话的经济性。

Gemini Live Avatar 价格由 6 个计费项组成

当前非 Global 区域的费率不是订阅价，而是按每 1 million tokens 分项计费。下表数据已于 2026 年 9 月 27 日对照 Google 实时定价表核验。

下面的测算采用一场明确设定的 10 分钟虚拟客服会话：计费文本输入为 40,000 tokens，文本输出为 8,000 tokens；来电者说话 4 分钟，虚拟形象说话 3.5 分钟；摄像头在整场会话中保持开启。Google 的文档规则为：每秒音频对应 25 tokens，每张图片 258 tokens，每秒输入 1 帧，虚拟形象每说话 1 秒产生 6,192 个视频 tokens。

Gemini 3.8 Live Avatar 成本：按公开费率复算

最值得留意的是虚拟形象这一行。$1 / 1 million tokens 看起来很低，但 Google 会按每秒 6,192 tokens 换算虚拟形象的有效说话时间。在本例中，210 秒说话时间会产生 1,300,320 个虚拟形象视频 tokens，小计 $1.30032；保持静默、聆听用户时则不会产生这项视频输出费用。

音频会单独计费。同样的 210 秒，按文档规定的每秒 25 tokens，会产生 5,250 个音频输出 tokens，增加 $0.06300。加入面部画面，并不会替代语音计费项。

摄像头输入同样是独立且可选的。10 分钟内按每秒 1 帧计算，共产生 600 张图片；每张 258 tokens，合计 154,800 个输入 tokens，费用为 $0.15480。关闭摄像头后，这条示例费用会消失，但音频、文本和虚拟形象输出仍会计费。

最难预测的是上下文累积。Google 表示，每个新轮次都可能重新处理本轮输入，以及会话窗口中仍然保留的历史 tokens。因此，即使用户眼前看到的 prompt 很短，一场持续时间长、频繁调用工具的对话仍可能增加文本输入。生产预算应依据接口返回的用量，而不是简单套用时长系数。

Google Cloud 赠金能让 Gemini Live Avatar 免费吗？

对符合条件的项目而言，Cloud 赠金可以让试点在一段时间内无需自掏腰包，但它不会创造一个免费的 Live Avatar 套餐层级。Google 的免费试用文档显示，符合条件的新客户可获得 $300 Welcome credit，有效期为 90 天。

申请条件相当严格：你过去不能是 Google Cloud、Google Maps Platform 或 Firebase 的付费用户，也不能曾经领取过 Cloud Free Trial。Google 还提醒，为防止滥用，免费试用期间的访问能力可能受到限制。

这里还有一个容易混淆的命名问题。Google 明确表示，$300 赠金不能用于支付 AI Studio 中的 Gemini API 费用。Gemini Enterprise Agent Platform 属于另一个产品入口，但 Live Avatar 模型页面并未承诺每个免费试用项目都能使用该模型，或获得自定义虚拟形象权限。把赠金写进上线预算之前，应先在目标项目中确认实际访问权限。

实际做预算时，建议并列两栏：按量计费成本，以及抵扣赠金后的现金支出。前者能判断促销结束后产品是否仍然可行，后者则告诉财务试点期间真正会从账户中支出多少。直接把产品称为“免费”，会把第一栏彻底抹掉。

Gemini 自定义头像仍卡在白名单

内置虚拟形象才是自助试用的起点。Google 的配置指南介绍了如何在 Agent Studio 中选择预设虚拟形象和声音，也说明了如何在 API 配置中指定二者。

自定义真人形象则不同。Google 的 GA 公告称，该功能仅通过企业白名单和验证流程开放，并要求客户联系自己的 Google Cloud 客户团队。文档中即便出现 Upload 控件，也不能证明某个具体项目已经获得使用权限。

输入素材本身也有明确门槛。Google 建议使用 RGB 色彩的 PNG，分辨率至少为 704 × 1280 像素并达到 720p，文件小于 5 MB；标准画幅为 9:16 竖图。头部与肩部应占画面 60% 以上，背景保持简洁，同时人物应正视镜头、面部水平、表情自然。安全指南不允许使用未成年人或名人的形象。

这类输入仍然是位图肖像，也就是由像素构成的图片，而不是可编辑的矢量人像。干净的源图像素有助于模型生成，却不能自动证明你拥有使用权。Google 将人脸与声音的授权责任交给客户，并表示生成的音频和视频会带有肉眼不可见的 SynthID 水印。

同一份服务指令，修改前后有何不同？

Google SDK 示例中的第一条指令很宽泛：“你是一名乐于助人的客服助理。”这足以验证连接是否成功，却不足以评估真实的客户体验。

更稳妥的模拟试点指令应增加约束：

你是一家虚构户外用品零售商的客服向导。先询问订单号，说明系统尚未连接真实账号查询，总结用户问题，并把付款或安全相关投诉转交人工处理。绝不能声称退款已经发放。

这只是对指令的改写，并非实测结果。它的作用是让试点可检查：智能体必须主动披露尚未接入后端，不能虚构操作，还要清楚暴露运营人员需要复核的转人工节点。

现在应该怎么调整决策？

如果团队可以接受内置虚拟形象，也能够对一个受控的概念验证项目做完整计量，现在就可以行动。如果产品承诺依赖自定义代言人、可保证的固定成本，或仍在私密预览阶段的 Extended Thinking 功能，则应等待。如果需求只是普通消费者版 Gemini Live，或预先写好脚本的旁白，而非实时视觉智能体，那么这次发布与你无关；后一种场景可参考单独的 Gemini 3.8 TTS 定价指南。

判断标准很简单：先用内置素材验证交互，再用用量记录验证账单，最后申请自定义真人形象。把顺序倒过来，只会得到一个外表精致的演示，而最关键的生产依赖仍然悬而未决。

周一就能执行的方案

1. 1

   划定试点边界

   只选择一条模拟客服旅程，设定一项最长会话时长和一条转人工规则。应提前决定是否真的需要摄像头，因为实时图片输入会产生独立计费。

2. 2

   启动内置虚拟形象会话

   在 Agent Platform Studio 中打开 Stream realtime，切换到 gemini-3.8-live，选择 Live Avatar，再选择一个内置虚拟形象和预设声音。启动会话前先加入系统指令。

3. 3

   使用受约束的试点指令

   粘贴上面的虚构零售商指令，只使用模拟订单信息，不要加入任何真实客户的个人数据。目标是观察交互流程并记录用量，而不是假装已完成退款或已连接后端。

4. 4

   核对全部 6 个计费项

   保存各模态的计费用量，并与 Cloud 账单记录核对。同时记录虚拟形象说话秒数、摄像头状态、对话轮数、上下文增长和失败请求。不要简单用总费用除以分钟数，再把结果当成通用费率。

5. 5

   最后再测试自定义权限

   只有内置虚拟形象试点已经证明商业价值后，采购方才应向 Google Cloud 客户团队申请自定义虚拟形象权限。如果项目没有进入白名单，应停止品牌真人形象方案，而不是把访问限制误判成实现故障。

哪些说法被夸大了？

“正式可用”不等于每一项能力都能广泛自助使用。 模型和内置虚拟形象路径已进入 GA，但 Google 仍明确把自定义虚拟形象设为白名单能力。

消费者版 Gemini Live 可以免费使用，不代表 Enterprise Live Avatar 免费。 相似的名字背后，是不同的产品、合同和计费项。

虚拟形象视频费率为 $1，不代表一场会话只需 $1。 这是每 1 million 个虚拟形象视频 tokens 的价格，而 Google 会按有效说话时间每秒换算 6,192 tokens；账单上还可能同时出现另外 5 个计费项。

对这个 API 而言，固定每分钟价格只是过度简化。 说话占比、摄像头使用情况、输出组合、上下文累积，以及工具密集型对话的轮次结构，都会改变最终成本。

有一张脸，并不能证明客服体验更好。 只有当视频确实改善了某条明确用户旅程中的理解、信任、无障碍体验或完成率，它的成本才有价值。如果纯语音智能体可以解决同一任务，那么虚拟形象只是增加了展示成本，却没有带来运营收益。

Gemini Live Avatar 常见问题

Gemini Live 可以免费使用吗？

消费者版 Gemini Live 遵循独立的应用条款；Gemini Enterprise 中带 Live Avatar 的 Gemini 3.8 Live 则按量计费。不要拿消费者产品的答案来估算 Enterprise API 预算。

如何在 Gemini 中启用虚拟形象？

在 Gemini Enterprise Agent Platform 中打开 Studio > Stream realtime，选择 gemini-3.8-live，再选择 Live Avatar、内置虚拟形象和声音。自定义真人形象需要获得白名单批准。

Gemini Live 订阅多少钱？

Google 没有公布统一的 Live Avatar 固定订阅价。Enterprise API 会分别计算 6 项输入和输出用量；消费者版 Gemini 订阅则是另一套产品。

Gemini 是否完全免费？

不是。Google 针对不同产品设置了不同额度，也提供临时 Cloud 赠金；但 Enterprise Live Avatar 已公布按量付费费率。

Gemini 可以免费使用多久？

符合条件的 Google Cloud 新客户可获得 $300 Welcome credit，有效期为 90 天。这只是临时的账号赠金，并不保证 Live Avatar 能免费使用多长时间。

现在 Gemini 比 ChatGPT 更好吗？

Live Avatar 无法回答通用 AI 助手谁更好的问题。它是一项企业级语音与视频能力，应该根据具体客户旅程、准入要求和实测账单来评估。

有比 Gemini 更好的选择吗？

没有适用于所有场景的赢家。评估说话虚拟人时，应比较真人形象权限、交互质量、工具集成、授权控制、延迟和完整的实测会话成本。

可以用什么替代 Gemini？

专门的虚拟人平台，或独立组合语音与视频技术栈，都可以替代它。比较时应看完整工作流和审批路径，而不是只看某一个醒目的 token 费率。

Gemini 现在还安全吗？

Google 会为生成的音频和视频加入 SynthID，并通过白名单限制自定义真人形象；但部署方仍需自行负责授权、隐私、数据治理、防止滥用和人工升级处理。

准备打造需要接入真实客服流程的客户侧虚拟人？查看 AI 客服实施路径。