Meta Adds Real-Time Voice and Avatar Video Chat to Muse Assistant
Meta has launched real-time voice conversation and expressive avatar features for its personal AI assistant Muse, rolling out first to US users across mobile, web and Mac. Two models, Muse Realtime Voice and Muse Realtime Avatar, drive the experience, streaming 448×768 portrait video at 25 fps with roughly 870 ms latency to first audio-video response, plus interruptible turn-taking and swappable avatars and voice styles.
Related Entities
Full Report
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。