Meta 为 Muse 应用上线实时语音与表情虚拟形象,美国先行
来源Meta AI News查看原文
速览
- Meta 把 Muse 从文本提示词交互推进到实时语音对话
- 虚拟形象会随对话语气做出表情与手势,并能在用户说话时给出反应
- 用户可自选声音风格,强调个性化与情绪匹配
- 支持打断,交互向真人对话靠拢
- 首发仅限美国,硬件端 AI Glasses 与 Muse Charm 稍后跟进
- 官方未披露具体延迟数据、可用声音总数或定价信息
Meta 宣布在 Muse 应用中正式上线实时语音对话与表情虚拟形象功能,覆盖移动端、网页端和 Mac。用户点击右上角电话图标即可开始与 Muse 语音对话。该功能在 Connect 2026 上曾做过预览,背后依托 Meta 的 Muse Realtime Avatar 与 Muse Realtime Voice 技术,支持即时响应和打断。虚拟形象会在对话中做出与语气匹配的细微表情和手势,用户可选择纯语音、虚拟形象伴随或全屏面对面三种呈现方式,并从数百种声音风格中挑选。功能先在美国上线,之后将扩展到 AI Glasses 和 Muse Charm。
关键事实
- Muse 应用的实时语音与表情虚拟形象功能已在移动端、网页端和 Mac 上线
- 该功能在 Connect 2026 上做过预览
- 用户点击应用右上角电话图标即可发起语音对话
- 技术底座为 Muse Realtime Avatar 与 Muse Realtime Voice,支持实时响应和打断
- 虚拟形象提供纯语音、伴随显示、全屏面对面三种呈现模式
- 提供数百种声音风格可选,可随时更换
本站视角
对中文用户和国内开发者来说,这条消息的直接可用性有限——首发只有美国,且 Muse 应用本身并未进入中国市场。真正值得关注的是产品形态:Meta 把「实时语音 + 会做表情的虚拟形象 + 数百种声音风格」打包成一个默认交互层,说明大厂对助手的定位正从「问答工具」转向「可对话的陪伴对象」。这会直接影响国内做 AI 陪伴、AI 口语陪练、虚拟人产品的团队——语音延迟、打断处理、语气驱动表情这套组合,正在被 Meta 做成开箱即用的基线体验,跟进者如果只做 TTS 朗读,差距会很明显。我们的判断是,这次发布更像产品整合而非技术突破:官方通稿没有给出任何延迟数字、声音总数或评测数据,Muse Realtime Avatar 与 Muse Realtime Voice 的技术细节被放在研究博客里,通稿本身只讲场景不讲指标,营销成分不低。另外,「数百种声音风格」里的「纽约客能量」「海盗腔调」这类人格化声音,在版权、模仿真人声音和内容安全上的边界,Meta 没有在文中说明,这是后续需要观察的风险点。对国内团队而言,更现实的启示是交互层的竞争已经开始,而不是模型参数。
背景与影响
Muse 是 Meta 的 AI 助手应用,此前主要以文本交互为主。Connect 2026 上 Meta 曾演示与 Muse 的实时对话,此次是该能力的正式落地。从产品定位看,Meta 把语音和虚拟形象放在一起推,指向的是「陪伴型助手」而非纯工具:官方举的例子包括边散步边聊旅行计划、做饭时口述想法、模拟面试和演示排练。这类场景对延迟和打断能力要求高,也是 Muse Realtime Voice 技术被强调的原因。竞争层面,实时语音对话已是各家助手的标配方向,Meta 的差异点在于把表情虚拟形象和数百种声音风格打包进来,走的是人格化路线。需要观察的是,这类功能对算力成本的压力不小,Meta 选择先在美国上线、再扩展到 AI Glasses 和 Muse Charm,可能意味着先在用户规模可控的市场验证体验与成本。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。