一句话看懂：Meta 的个人 AI 助手 Muse 于 11 月 6 日面向美国用户上线实时语音对话和虚拟形象功能，让 AI 从文字输入框里走出来，变成可以“打电话”的对话对象。值得关注的是，它把语音生成和面部动画放在同一条数据流里完成，直接指向“类人交互”的竞争方向。
事件核心：发生了什么
据 AIbase 报道，扎克伯格于 2026 年 11 月 6 日在 Threads 上宣布，Meta 的个人 AI 助手 Muse 正式推出实时语音对话和虚拟形象。该功能首先面向美国用户，覆盖移动端、网页和 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 交流，并且在它说话时随时打断。
技术层面，Muse 由两个模型支撑：Muse Realtime Voice 同时决定“说什么”和“怎么说”，Muse Realtime Avatar 则用同一条数据流实时生成面部表情、口型同步和动作，以 448×768 分辨率、25 帧每秒输出人像视频。用户讲完到首个音画响应约 870 毫秒。交互上支持纯语音、头像侧边显示、全屏面对面三种模式，默认卡通形象 Jolly 可换成人物或动物，并提供数百种声音风格。
为什么重要
目前公开信息显示，Muse 的定位是“手忙时也能用”的个人智能体：走路或双手被占用时用语音派任务，Muse 在后台继续工作，也可用于头脑风暴、旅行规划、面试或演讲练习。这背后是 AI 应用从“文本问答”向“实时多模态交互”演进的趋势，语音与虚拟形象同步生成，对推理延迟、音视频流式处理和算力调度都提出了更高要求。
对行业而言，Meta 并未开源这套实时音画模型，而是选择闭源产品化路线，与同类语音助手和虚拟人产品在“拟人度”上正面竞争。演示中把头像一个动作分享到 Instagram、Facebook、WhatsApp，也说明 Meta 试图把 AI 交互嵌入现有社交生态，而非单独做一个工具。
对用户/开发者/创作者的影响
普通用户最先感知到的是交互方式的变化：不必打字，可以用电话式对话打断、追问。对开发者来说，目前公开信息仅涉及产品端体验，并未披露相关 API 或模型开放计划，能否二次开发、如何计费仍待观察。对创作者，虚拟形象和声音风格的自定义意味着内容生产门槛可能降低，但演示中的“让形象跳舞并一键分享”属于官方展示，尚不能视为已全面开放的功能。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Muse 实时语音与形象功能何时扩展到美国以外地区，以及是否向开发者提供 API；二是 870 毫秒延迟和 25 帧画质在真实网络条件下的稳定性；三是谷歌、OpenAI 等竞品在实时音视频交互上的跟进节奏，以及这类拟人化交互可能引发的隐私与标识合规讨论。
来源：AIbase
