Meta 向美国用户全量开放 Muse AI 实时视频通话

Meta 的 Muse 智能体现在支持美国所有用户进行实时视频通话，用户可将虚拟形象定制为人物或动物，且形象会边听边做出反应。技术上，Muse Realtime Voice 输出同时包含文字和语气的语音 token，Muse Realtime Avatar 将该流转换为口型同步视频，通过训练学生模型将教师模型的 120 步压缩为每视频块 2 步。系统以 25fps 流式传输 448x768 竖屏视频，用户停止说话后约 870ms 即开始回应。经 4-bit 量化、缓存和动态批处理优化后，一块 Nvidia GB200 可同时运行 12 路视频流。在 2-3 分钟通话的内部测试中，评分者以 78% 对 22% 偏好其优于 Runway Characters，以 88% 对 12% 优于 HeyGen LiveAvatar。