Meta 个人 AI 助手 Muse 上线实时语音对话与虚拟形象功能，率先面向美国用户
Meta 给 AI 装上“脸”和“嗓子”：Muse 现在能视频聊天了
- 1Meta 个人 AI 助手 Muse 上线实时语音对话与虚拟形象功能，率先面向美国用户推送
- 2官方称系统可流式输出 448×768 分辨率、25 帧每秒竖屏视频，首响延迟约 870 毫秒
- 3语音与形象分别由 Muse Realtime Voice 和 Muse Realtime Avatar 两个模型支撑，基于同一数据流保持声画同步
- 4用户可随时打断对话，交互支持仅语音、旁显形象或全屏模式，默认形象 Jolly 可替换，语音提供数百种风格
Meta 把个人 AI 助手的交互从打字推进到可打断的实时声画对话，以低延迟和拟人形象作为主要卖点。
- 影响：可打断的低延迟语音交互让用户在双手忙碌时也能口头安排任务；面试与演讲练习等官方示例与企业的招聘、培训场景相近；功能目前仅面向美国用户，覆盖移动端、网页端和 Mac。
- 参考：可考虑从面试模拟或演讲练习这类低风险场景试用实时语音交互，记录员工使用反馈；值得先对照自家客服或助手产品的响应延迟与交互形式，再评估是否需要补齐。
- 依据：延迟、帧率与分辨率数据均为 Meta 官方口径，暂无独立验证；上线范围与功能细节来自扎克伯格在 Threads 的发布。
IT之家 11 月 6 日消息，Meta 首席执行官马克 · 扎克伯格（Mark Zuckerberg）今天（11 月 6 日）在 Threads 社交平台上发布串文，宣布个人 AI 助手 Muse 正式上线实时语音对话与富有表现力的虚拟形象功能。
上述功能率先面向美国用户推送，覆盖移动端、网页端和 Mac 应用。用户点击应用右上角的电话图标，即可像打电话一样与 Muse 交谈，并可在其回答过程中随时打断。IT之家附上相关截图如下：
在技术支撑方面，本次更新主要由 Muse Realtime Voice 语音模型和 Muse Realtime Avatar 虚拟形象模型提供支持，前者会同时生成“说什么”和“怎么说”的信息；而后者基于同一数据流实时生成表情、口型和肢体动作，让声音与画面保持同步。
Meta 称，该系统可流式输出 448×768 分辨率、25 帧每秒的竖屏视频，从用户说完话到收到首个音视频响应的延迟约为 870 毫秒。
在交互方式上，用户可选择仅语音、在聊天界面旁显示虚拟形象，或切换至全屏“面对面”模式。Muse 的默认形象是昵称为“Jolly”的卡通角色，用户也可将其替换为人物、动物或其他角色；语音方面提供数百种风格，包括“纽约客式活力”和“海盗风”等。
Meta 将这一能力定位为更自然的个人智能体交互：用户可以在散步、双手忙碌时口头安排任务，Muse 则在后台继续处理；也可用于头脑风暴、旅行规划、面试或演讲练习。Meta 还展示了让 Muse 虚拟形象跳舞并分享到 Instagram、Facebook 或 WhatsApp 的玩法。
来源：IT之家·人工智能 · ithome.com