当地时间11月5日，Meta旗下个人AI助手Muse在美国正式上线实时语音功能，并同步推出动态虚拟形象。据Meta官方数据，Muse从用户说完话到给出首个音视频响应的延迟约为870毫秒，支持随时打断。这是继今年9月17日SpaceXAI旗下Grok Bot上线语音功能后，个人AI助手赛道在语音交互方向上的又一次产品迭代。
此轮语音功能升级的共同特征，是语音从单纯的聊天入口转向任务派发入口。Meta给出的典型使用场景包括：用户在散步或双手忙碌时通过口头指令安排任务，Muse在后台继续处理；用户也可借助语音排练面试或演讲。Grok Bot的早期用户反馈同样集中于通勤和步行场景下的免手操作需求。在国内市场，豆包于今年4月接入全双工语音模型Seeduplex，实现边听边说。底层工程能力的成熟，使语音交互摆脱了纯陪聊的玩具属性。
值得关注的是，在任务执行能力逐步具备的同时，产品的陪伴属性并未被弱化，反而成为个人AI助手的核心增长机制。其逻辑在于交互门槛的坍塌：文字输入框会使用户在提问前进行心理成本权衡，大量微小需求在这一环节被过滤；而语音几乎消除了提问前的决策成本，使拍照问路、查询周边超市、预约景点等琐碎需求自然流向个人助手。这些低门槛交互产生的日常细节，构成了AI理解用户偏好的上下文燃料，形成”使用越频繁、上下文越丰富、黏性越强”的飞轮效应。
数据层面已出现初步验证。豆包的大规模A/B实验显示，全双工语音上线后，用户通话时长、留存等核心指标均出现正向提升，通话满意度绝对值提升8.34％。MIT媒体实验室与OpenAI联合开展的一项为期四周、覆盖近1000名参与者的随机对照实验表明，用户与语音聊天机器人相处的时间明显多于文字版本。据至顶网援引报道，Muse在美国已有约1000万用户设置了专属智能体。
在产品形态上，Meta为Muse默认配备卡通形象Jolly，提供数百种声音选项，并允许用户以一句话描述所需语气。Meta还在研发名为Muse Charm的口袋设备，机身小屏可直接显示Jolly形象。这一角色化路线与Grok Bot等工作型agent形成分野：后者将人格设定退至次要位置，定位为后台执行任务的隐形助手。社交基因决定了Meta更倾向将AI助手塑造为可依恋的角色，而工具型产品则优先保障任务效率。
陪伴机制同时带来潜在风险。上述MIT与OpenAI联合实验显示，语音模式初期在缓解孤独感方面具有优势，但随着使用量上升该优势消失，用户使用越多，孤独感和对AI的情感依赖反而越高。另一项针对ChatGPT高级语音模式的研究得出相似结论：带有强烈情感色彩的交互高度集中于少数重度用户，原本在现实中感到孤独的人群使用语音AI后心理状态反而更差。这使硅谷公司在是否刻意培养用户情感依赖上出现路线分歧。
从行业影响看，语音交互正在重构个人AI助手的入口格局。当交互门槛降至开口即用，原本属于搜索引擎和地图软件的碎片化流量将向个人助手迁移，而上下文积累能力将成为产品分化的关键变量。与此同时，情感依赖带来的用户心理健康问题，也将成为监管与产品设计无法回避的议题。OpenAI据报正在酝酿的无屏、语音优先设备，或将进一步推动这一趋势向硬件形态延伸。
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。
