Meta给Muse加上脸和嗓子，直接视频聊！
AI语音助手最尴尬的时刻，可能不是答错问题，而是你还没说完，它已经自顾自讲完了一大段。

Meta这次给 AI 补上的，恰好是更像真人对话的能力。

11月6日，扎克伯格在 Threads 宣布，Meta 个人 AI 助手 Muse 正式上线实时语音对话和虚拟形象功能，首批面向美国用户开放，覆盖移动端、网页和 Mac 应用。

打开 Muse，点击右上角的电话图标，就能直接开始视频式对话。更有意思的是，你可以随时打断它，不必等 AI 把一整段话说完。

背后是两个模型协同工作：Muse Realtime Voice 负责实时生成语音，不仅决定说什么，还决定怎么说；Muse Realtime Avatar 则根据同一路数据流生成表情、口型和动作，让声音与画面保持同步。

官方给出的技术指标也挺有意思：虚拟形象支持 448×768 分辨率、每秒25帧的视频流。从用户说完话，到收到第一个音画响应，约870毫秒。

交互方式也不止一种。可以只用语音，也可以让虚拟形象出现在聊天界面旁边，或者切换全屏，直接面对面交流。

甚至连声音都能自定义。数百种风格可选，从充满活力的纽约腔，到海盗式的说话方式，想换随时能换。默认虚拟角色 Jolly，也可以换成人物或动物形象。

但我觉得更值得关注的，是 Meta 想把 Muse 放进真实生活里的方式。

比如散步、做饭、双手忙着的时候，直接开口告诉它要做什么，让它在后台继续处理。头脑风暴、旅行规划、面试彩排，也不必每次都先想好一套完整提示词，想到哪说到哪就行。

这次更新最值得观察的，其实不是 AI 有没有一张脸，而是它能不能跟上人类真实的说话节奏。

能听、能插话、能回应，还能通过表情和动作表达反应。AI 助手正在从一个等待指令的输入框，变成一个可以持续交流的交互对象。

接下来，AI 陪聊产品之间的竞争，可能真的要从声音卷到表情和真人感了。Meta Muse 人工智能 AI助手 实时语音 虚拟形象 AI视频聊天 多模态AI 智能体