El agente Muse de Meta suma voz y avatar animado, primero en Estados Unidos

Meta empezó a ofrecer el 5 de noviembre, en Estados Unidos, la combinación de Muse Realtime Voice y Muse Realtime Avatar, las tecnologías que permiten mantener llamadas de voz y videollamadas con su agente personal de inteligencia artificial, anticipadas en la conferencia para desarrolladores Meta Connect de septiembre. El paso lleva al agente de consumo de la compañía hacia la interacción multimodal en tiempo real, dentro de una oferta que Meta prevé extender después a sus gafas de IA y al dispositivo portátil Muse Charm, cuya salida está prevista para este año.

El avatar, configurado por defecto con la figura de un perrito llamado Jolly, puede adoptar formas humanas, animales o de fantasía y modula expresiones y gestos según el tono de la conversación. El sistema procesa únicamente el audio del usuario y no accede a la cámara: el agente escucha, pero no ve. La oferta incluye cientos de voces y permite interrumpir al asistente mientras habla. En el plano técnico, la generación de vídeo en tiempo real emplea un modelo basado en Diffusion Transformer al que se aplicó una destilación que reduce el proceso de difusión de 120 a dos inferencias; el resultado son vídeos verticales de 448×768 píxeles a 25 fotogramas por segundo y un retardo de unos 870 milisegundos entre el final del habla y la respuesta sincronizada, mientras un decodificador de audio y un modelo de avatar alinean voz, labios y expresión. Meta, que colaboró con Nvidia en la infraestructura, sostiene que una GPU GB200 procesa doce sesiones simultáneas y que la capacidad de servicio se multiplica por ocho frente al modelo de referencia.

La función está disponible para mayores de 18 años en la aplicación de Muse para móvil, web y Mac, y fue anunciada por el consejero delegado Mark Zuckerberg y difundida en la red X por el responsable de IA de la compañía, Alexandr Wang. Una prueba de uso publicada por The Verge describió respuestas rápidas y una animación que funciona bien, aunque con el avatar personalizado del periodista —un facsímil de Zuckerberg— el resultado le pareció algo inquietante.

Muse opera en Estados Unidos, Canadá, Japón y Singapur, y Meta también lo ha abierto en México, primer país latinoamericano en recibirlo, con acceso en español para mayores de 18 años a través de iOS, Android, muse.ai y WhatsApp, uso gratuito con planes de suscripción opcionales y conectores con marcas locales; la información disponible no detalla si la modalidad de voz con avatar alcanza a ese mercado. En Japón, el agente está disponible desde el 23 de octubre, aunque la compañía no precisó cuándo llegará allí la nueva función.

Para rastrear los contenidos generados, la plataforma aplica una filigrana invisible —denominada Video Seal— sobre las imágenes y vídeos difundidos. El siguiente hito declarado es la llegada de la función a las gafas de IA, prevista «pronto», y al dispositivo Muse Charm antes de que termine el año.