Meta为个人AI代理Muse加入实时语音与动态头像，美国先行上线

Meta于11月5日宣布，为其个人AI代理Muse在美国推出实时语音对话与动态头像功能，用户可在Muse应用的移动端、网页版与Mac版中与动画形象交谈。此举把Meta的消费级AI代理从文本任务执行推进到实时语音交互，与OpenAI的ChatGPT、Anthropic的Claude已提供的语音对话正面重合。据AI타임스报道，官方给出的可测指标是：用户结束发言后，音画同步的回应约在870毫秒内开始；借助与英伟达合作优化的推理设施，单台GB200 GPU可同时处理12路视频生成会话，服务吞吐较基准模型提升8倍。

技术路径上，Muse Realtime Voice先生成承载语义与语气的语音token，再由Muse Realtime Avatar通过语音解码器与头像模型同步口型、表情和手势；实时视频生成采用扩散Transformer模型，并以蒸馏技术把扩散推理从120步压缩至2步，从而以每秒25帧输出448×768的竖版画面。据ANSA与AI타임스，系统只处理用户音频，不调用摄像头，AI并不“看见”用户；平台还嵌入不可见的Video Seal水印以追溯生成内容来源。ITmedia称用户可选纯语音、对话窗口内头像、全屏头像三种模式，音色有数百种，并支持在AI说话时插话。

默认形象是名为“Jolly”的小狗，用户可将其改为人物、动物或虚构角色。TechCrunch称Meta认为这种拟人化有助于增强用户与代理的情感连接；The Verge的试用者称语音响应较快，但形象动画略显诡异。ITmedia指出，ChatGPT与Claude同样具备语音交互并可在对话中调用外部工具，Muse的区别在于可把任务委派给代理执行，并辅以带表情手势的头像和庞大的音色库。该功能面向18岁以上用户。

地域上，截至发稿Muse代理在美国、加拿大、日本和新加坡可用；ITmedia称其9月在美国上线、10月23日在日本可用。Infobae报道Muse已以西班牙语进入墨西哥，为拉美首个市场，但该报道所述为Muse代理的整体上线，未明确语音与头像功能是否同步在墨西哥可用。下一个可观察节点是计划于年内出货的类拓麻歌子可穿戴设备Muse Charm，TechCrunch称头像将显示在其小屏上；Meta的AI眼镜将“很快”获得该功能，但未说明头像是否也呈现在眼镜屏幕上。