您的位置首页 >人工智能 >

Meta 面向美国用户开放 Muse 实时语音与动态化身视频聊天,AI 助手开始有表情和动作

Meta 在 11 月 5 日宣布,向美国用户开放 Muse 的实时语音与动态虚拟形象功能,用户可以在手机、网页和 Mac 端直接给 Muse 打 “视频电话”:自己上传一张参考图或选择形象,Muse 就会以动态化身出现在屏幕上,边说话边做表情、摆手势,用户还能随时打断、补充要求,后台任务继续跑。这次上线的核心是两套技术同时落地:Muse Realtime Voice 负责实时语音,Muse Realtime Avatar 负责把语音变成同步的口型、表情和动作,两者共用同一条语音 token 流,所以音画不会脱节;官方给出的数据是 448×768 分辨率、25 帧每秒、从用户说完到首字节响应约 870 毫秒,单台 GB200 可支撑 12 路并发实时视频生成。使用边界也写得很清楚:仅限 18 岁以上用户,生成的化身视频带不可见的 Meta Video Seal 水印,购物等敏感操作仍需用户确认。对普通用户来说,这意味着 AI 助手从 “打字聊天” 进入 “面对面聊天”,练面试、做饭、规划旅行都能边聊边办;对行业来说,这是把语音、视觉形象和后台任务塞进同一个会话的一次工程验证。

一、这次上线的功能清单

项目内容
上线时间2026 年 11 月 5 日
覆盖地区美国
支持终端手机端、网页端、Mac 端
核心功能实时语音对话、动态虚拟形象、可打断、后台任务并行
形象来源用户自建,支持参考人像或插画生成
声音选择数百种声音风格,可随时更换
显示模式仅语音、化身显示在对话旁、全屏面对面
使用门槛仅限 18 岁及以上用户
水印机制生成视频嵌入不可见的 Meta Video Seal 水印

二、怎么开始用

  1. 打开 Muse 应用,在界面右上角点击电话图标。
  2. 选择 “仅语音”,或开启化身显示,也可以切到全屏面对面模式。
  3. 从数百种声音里挑一个喜欢的风格,后续可随时更换。
  4. 直接说需求,不用先写完整提示词,说到一半可以打断、补充。
  5. 交代完任务后继续聊,Muse 在后台推进任务,需要确认时再回来找你。

三、实时化身是怎么做到的

技术环节做法效果
统一语音流语音模型输出的 token 同时携带内容与表达方式语音和表情共用一套信号,天然同步
音频解码把 token 转成语音听到的声音与看到的口型对得上
化身生成音频驱动的 Diffusion Transformer,参考人像 / 插画 + 近期视频 latent 窗口形象保持一致,动作连贯
分块生成每次生成一小段因果视频,上一段的最新 latent 作为下一段动作上下文长对话中形象不走样
推理加速蒸馏把每块 120 次引导式评估降到 2 次无引导评估约 60 倍加速,保住质量
性能指标448×768、25fps、约 870 毫秒首字节延迟接近真人对话的响应节奏
服务容量单台 GB200 支持 12 路并发实时视频生成相对基线提升约 8 倍服务容量

一句话理解:语音 token 是 “总开关”,声音和形象都从这条流里长出来,所以不会出现 “声音到了、嘴还没动” 的割裂感。

四、官方演示里能玩什么

场景怎么用Muse 做什么
模拟面试让 Muse 扮演招聘经理追问经历、给出表达建议,练完还能帮你发确认邮件
做饭讨论吃什么推荐菜谱、列出食材,甚至提示可以邀请住在附近的朋友
旅行规划给一个目的地和几个偏好边聊边把行程排出来
边走边交代任务在通勤或做家务时开口后台继续处理,完成后回来汇报
角色扮演自定义形象与声音用不同角色陪练、陪聊、做头脑风暴

Meta 首席 AI 官 Alexandr Wang 把自己的 Muse 设成穿绿色外套的白色小狗 Euler,让 Euler 扮演老板,演练如何回应 “上班时间发太多梗图” 的谈话;扎克伯格也发了一段 Muse 梗视频,配文 “今天之后的我”。这些演示说明一件事:化身不只是装饰,它让对话有了 “在场感”,用户更愿意多说几句。

五、安全与使用边界

  • 年龄限制:仅限 18 岁及以上用户使用。
  • 内容标识:生成的化身视频嵌入不可见的 Meta Video Seal 水印,不增加实时延迟,便于后续识别 AI 生成内容。
  • 敏感操作确认:涉及购物等需要负责的动作,仍沿用 Muse 原有的 “执行前需用户批准” 机制。
  • 形象授权:自建形象应使用自己拥有使用权的参考图,避免使用他人肖像或受版权保护的卡通角色。
  • 场景自律:用于面试演练、学习、创作没问题,不要用它伪造他人身份去误导第三方。

六、下一步会走到哪

  • AI Glasses:Meta 计划把语音对话带到 AI 眼镜,唤醒方式是说代理的名字,解放双手。
  • Muse Charm:一款口袋大小的设备,专为与 Muse 语音交互设计。
  • 交互范式:从 “输入提示词 — 等待结果” 变成 “开口说 — 被打断 — 继续办”,会话本身成为任务界面。

七、结论

Muse 的实时语音与动态化身,把 AI 助手从文字框里拉到了屏幕前:语音、表情、动作、后台任务在同一个会话里跑,870 毫秒的响应和 25fps 的画面让 “面对面” 基本成立。它的价值不在于化身多好看,而在于把 “说话就能办事” 这件事做成了可日常使用的形态。接下来真正的分水岭,是这套交互能不能顺利搬到眼镜和随身设备上 —— 那才是 AI 助手从 “工具” 变成 “在场” 的关键一步。

【常见问题】

问题 1:Meta 的 Muse AI 化身视频聊天目前对哪些用户开放?

回答 1:Meta 的 Muse AI 化身视频聊天目前面向美国 18 岁及以上用户开放,支持手机、网页和 Mac 三端,点击 Muse 界面右上角的电话图标即可开始,其他地区尚未开放。

问题 2:Muse AI 化身视频聊天支持自定义形象吗?

回答 2:支持,Muse AI 化身视频聊天允许用户用参考人像或插画生成自己的动态化身,还能从数百种声音里挑选风格,并可在仅语音、侧边化身、全屏面对面三种模式间切换。

问题 3:Muse AI 化身视频聊天的响应速度有多快?

回答 3:按 Meta 公布的数据,Muse AI 化身视频聊天从用户说完到首字节响应约 870 毫秒,画面为 448×768 分辨率、25 帧每秒,单台 GB200 可支撑 12 路并发实时视频生成。

问题 4:Muse AI 化身视频聊天如何防止被用来伪造他人形象?

回答 4:Muse AI 化身视频聊天生成的视频会嵌入不可见的 Meta Video Seal 水印,便于识别 AI 生成内容;同时功能仅限 18 岁以上用户,涉及购物等敏感操作仍需用户确认,用户自建形象也应使用自己拥有使用权的参考素材。

问题 5:Muse AI 化身视频聊天之后还会登陆哪些设备?

回答 5:Meta 计划把 Muse AI 化身视频聊天的语音交互延伸到 AI 眼镜和 Muse Charm,前者支持说名字唤醒、解放双手,后者是口袋大小的随身设备,具体上线时间尚未公布。

【数据来源】

[2026-11-06](能和 Muse 打视频电话了!网友整活,自建动态虚拟形象、让 AI 角色扮演)智东西

[2026-11-05](Give Your Muse a Voice)Meta Newsroom

[2026-11-05](Meta Brings Real-Time Voice and Expressive Avatars to Muse)Unite.AI

[2026-09-24](Meta Connect 2026: 発表内容)Meta

[2026-09-08](Introducing Muse: The World's First Personal AI Agent Built for Everyone)Meta

【免责声明】

本文为 Meta Muse 实时语音与动态化身功能上线信息的整理与科普,功能范围、技术指标、上线地区均以 Meta 官方发布及公开报道为准,后续版本与可用地区可能调整。文中不构成产品选购、使用或投资建议;使用 AI 生成形象时请遵守当地法律与平台规则,尊重他人肖像权与知识产权。

今日大家都在搜的词: