Videoanruf mit dem KI-Hündchen: Meta erweitert Muse und meldet Mexiko-Start

Meta hat am 5. November begonnen, seinen persönlichen KI-Agenten Muse in den USA um Echtzeit-Sprach- und Videoanrufe zu erweitern; laut AI Times und ITmedia kombiniert das Unternehmen dafür „Muse Realtime Voice“ mit „Muse Realtime Avatar“. Für die KI-Berichterstattung ist der Vorgang weniger wegen eines neuen Spitzenmodells von Belang als wegen der veränderten Schnittstelle: An die Stelle von Textantworten tritt ein animierter Avatar, der die Aufgaben des Agenten begleitet. AI Times beschreibt die Kette aus Sprachmodell, Videogenerierung und Inferenz-Infrastruktur, die Meta in Zusammenarbeit mit Nvidia optimiert hat.

Technisch stützt sich die Bildgenerierung laut AI Times auf ein Diffusion-Transformer-Modell, dessen Diffusionsprozess durch Destillation von 120 auf zwei Inferenzschritte reduziert wurde. Das erlaube Videos in 448×768 Pixeln bei 25 Bildern pro Sekunde; zwischen dem Ende der Nutzerrede und dem Beginn der synchronisierten Antwort liegen demnach rund 870 Millisekunden. Auf einer GB200-GPU sollen sich zwölf Videogenerierungs-Sitzungen parallel betreiben lassen, die Kapazität liege achtmal höher als bei einem Referenzmodell. Der Avatar bewegt Lippen, Mimik und Gestik im Takt des Gesprochenen, ohne den Nutzer zu sehen: ANSA zufolge verarbeitet das System ausschließlich Audio und greift nicht auf die Kamera zu. Standardfigur ist das Hündchen „Jolly“, das sich nach ANSA, TechCrunch und AI Times durch menschliche, tierische oder fiktive Figuren ersetzen lässt, nach AI Times auch durch Alltagsgegenstände. ITmedia nennt drei Modi – nur Ton, Avatar im Gesprächsfenster, Avatar im Vollbild – und mehrere hundert wählbare Stimmen. Generierte Videos versieht Meta ANSA und AI Times zufolge mit einer unsichtbaren Wasserzeichenkennzeichnung („Video Seal“).

Zur Reichweite machen die Quellen unterschiedliche Angaben. ANSA und AI Times nennen vier aktive Märkte: USA, Kanada, Japan und Singapur. Infobae berichtet am selben Tag, Muse sei auch in Mexiko gestartet – als erstes lateinamerikanisches Land, mit spanischsprachigem Zugang ab 18 Jahren über iOS, Android und muse.ai sowie über WhatsApp; Konnektoren zu Marken wie Cinépolis, Coppel, Despegar, Kavak, Kueski, Liverpool und Rappi sollen teils erst nach dem Start folgen. Ob die Vier-Länder-Liste von ANSA und AI Times den Mexiko-Start bereits einschließt, bleibt offen. Infobae zufolge, unter Verweis auf Daten von Sensor Tower, kam die App in den ersten 40 Tagen in den USA auf 10,2 Millionen Downloads, weltweit auf 10,9 Millionen.

Die Ankündigung wird unterschiedlich zugeschrieben: The Verge nennt CEO Mark Zuckerberg, TechCrunch verweist auf einen Blogbeitrag und einen Post von Chief AI Officer Alexandr Wang auf X. ITmedia deutet den Avatar als Unterscheidungsmerkmal gegenüber den Sprachfunktionen von ChatGPT und Claude; Infobae dokumentiert zugleich, dass Muse über Konnektoren externe Dienste einbindet – die Vermenschlichung ist also nicht Metas einziges Profilierungsmittel. Als nächsten Schritt nennt TechCrunch die Ausweitung auf die KI-Brille sowie das noch in diesem Jahr erwartete Wearable „Muse Charm“, auf dessen kleinem Bildschirm der Avatar erscheinen und Gespräche ermöglichen soll.