Meta首席执行官马克·扎克伯格11月6日在Threads平台发布消息，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。
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，后者基于同一数据流实时生成表情、口型和肢体动作，使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。
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。
从产品形态看，Muse此次更新将语音交互与实时虚拟形象结合，试图在个人AI助手的交互层建立差异化。当前主流AI助手的语音功能多停留在音频层面，Meta通过同步生成口型与肢体动作，将响应延迟控制在870毫秒量级，接近自然对话的节奏。这一指标对实时语音交互体验具有参考意义，但能否在真实网络环境下稳定维持，仍需观察。
对Meta而言，Muse的实时音视频能力也与其社交生态形成联动。虚拟形象可分享至Instagram、Facebook和WhatsApp，意味着AI助手产出的内容可能成为社交平台的新内容形态。这一路径与Meta此前在虚拟形象和社交产品上的投入方向一致。
此次功能仅面向美国用户推送，尚未公布其他市场的上线时间。实时音视频生成对算力和带宽的要求较高，后续能否扩展至更多地区，将取决于基础设施成本与模型效率的平衡。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
