Meta Muse 上线实时语音与动态分身：支持打断，提供数百种声线

对着输入框字斟句酌敲提示词，往往第一句话还没打完，原本冒出来的灵感就散了。

Meta 显然觉得这种交互该变一变了。11 月 5 日，Meta 正式在移动端、网页端和 Mac 端的 Muse 应用上线实时语音与动态虚拟分身。这项功能最早在 Connect 2026 上预览过，现在只要点击应用右上角的电话图标，就能直接和 AI 实时对话。

边聊边比划，还能随时插话

这次更新的核心是 Meta 推出的两项底层技术：Muse Realtime Avatar 与 Muse Realtime Voice。

过去和 AI 语音对话，最尴尬的往往是卡顿和抢话。新功能不仅大幅压低了响应延迟，还支持用户在中途随时开口打断，就像和真人面对面聊天一样自然。

更有意思的是视觉层面的呈现。虚拟分身不再是一张呆滞的静态贴图，它会在倾听和回答时配合对话语调，做出细微的表情和肢体动作。如果你想看它到底听没听懂，观察它的神态就能猜个八九不离十。

Meta 还给它准备了极高的自由度。应用内提供了数百种声音风格供挑选，从充满活力的纽约客腔调到搞怪的海盗口吻都能随意切换。呈现形式也能按需调整：不想看画面可以切成纯语音，工作中可以把分身收在侧边小窗，想认真交流时则能一键拉满到全屏面对面。

告别提示词工程，想到哪聊到哪

按照 Meta 的说法，这套语音交互最适合用来梳理那些尚未成型的半成品想法。

比如做旅行规划，你不用费心思写一段完整的设定，只需口头随口念叨几句想去哪座城市、想在哪种风景里醒来、或者必吃的一顿大餐。AI 会顺着话头帮你搭起框架，无论你是在厨房做饭还是在户外散步，都能边走边聊。

另一个典型场景是实战预演。无论是工作面试、方案宣讲还是即兴演讲，比起对着镜子自言自语，让一个能随时回应、有面部反馈的虚拟分身陪练，临场感要逼真得多。

目前该功能已先面向美国用户推送。根据第三方博主 TestingCatalog 的消息，Muse 近期也在墨西哥等地同步铺开。此外，Meta 还明确表示，这套语音对话能力很快就会登陆其 AI 眼镜以及 Muse Charm 配件。

为什么重要

我们认为，Meta 这一步走得相当务实，它把 AI 的使用门槛从「写提示词」拉回到了最自然的人类本能——直接开口说话。

对普通用户和内容创作者来说，这彻底解放了双手。很多时候人们并不是不会思考，而是懒得把碎片想法整理成工整的文字发给 AI。随时打断加多重声音风格的设计，让它不仅是一个生产力工具，更像是一个随时待命的思维陪练。如果你身处美国，现在就非常值得打开体验一下日常头脑风暴。

放在行业竞争里看，Meta 正在走一条和 OpenAI 略有不同的多模态路径。OpenAI 的高级语音模式把重点放在声调情绪和音色质感上，而 Meta 靠着自己在虚拟现实和数字人上的积累，直接把「有面部表情、有肢体动作」的分身压进了同一套交互里。

更关键的棋局在硬件。Meta 已经点名这项技术即将落地 AI 眼镜和可穿戴设备 Muse Charm。在没有屏幕或小尺寸设备上，实时语音才是终极交互入口。Meta 先在桌面端和移动端打磨对话自然度与打断机制，本质上是在给下一代可穿戴硬件铺平道路。

当然，隐患也摆在眼前。虚拟分身的微表情如果匹配稍有偏差，就很容易跌进「恐怖谷」效应，让部分用户觉得别扭；数百种声线的长期陪伴属性也对安全审核提出了极高要求。但无论如何，把 AI 从冷冰冰的对话框拉进有声有色的实时交互，这场竞争才刚刚开始。