Meta Muse开始接视频电话

AI Agent 不再只住在聊天框里

Meta 在 11 月 5 日向美国用户开放 Muse 实时语音与视频化身通话，用户现在可以直接与自己的 AI Agent 进行近似视频聊天的连续对话。Muse 会以可定制的动画化身出现在画面中，根据说话内容同步口型、表情和动作，并允许用户调整声音、语气与角色风格。

Muse 是 Meta 于 2026 年 9 月推出的个人 AI Agent，核心定位不是单轮回答问题，而是理解长期上下文、连接其他应用和服务，并代替用户执行部分任务。它此前主要运行在 iOS、Android 和网页端的聊天界面中，本次更新则给这个 Agent 增加了实时声音与可视化身体。

这项更新目前首先面向美国用户推出，实际覆盖范围可能受到账号、客户端版本和分批发布策略影响。The Verge 的上手体验显示，iOS 版 Muse 已经可以进行实时语音对话，头像会随着回答同步动画；TechCrunch 则确认，美国用户可以与 Muse AI 化身进行视频聊天。

所谓视频通话，本质上是实时渲染的 AI 化身

Muse 视频化身通话是由语音模型、Agent 系统和实时动画共同驱动的交互模式，而不是让一个写实数字人坐在摄像头另一端。用户看到的是持续渲染的动画角色，系统将 Muse 生成的回答转换成语音，再根据语音节奏驱动口型、表情和身体动作。

这一区别很重要。写实视频生成需要逐帧合成画面，通常会带来更高的算力成本和延迟；动画化身则可以把角色模型预先加载到设备或客户端，只传输语音、动作参数和少量状态信息。后者未必足够逼真，却更适合持续通话，因为它更快、更稳定，也更容易保持角色一致性。

Meta 暂未公布 Muse 化身通话的端到端延迟、语音模型规模、动画帧率和单次通话时长限制。The Verge 的短时间测试认为语音回复速度较快，但 Muse 在检索信息时偶尔会暂停，这意味着实时体验仍然受 Agent 推理、联网搜索和工具调用链路影响。

一次完整的 Muse 通话至少包含四个环节：系统先把用户语音转换为可理解的输入，再由 Muse 判断应该直接回答、检索信息还是调用服务，随后生成文本与语音，最后由动画系统把语音节奏映射为口型和表情。任何一个环节出现等待，用户都会直接感受到停顿，这比文字聊天对延迟更敏感。

用户可以直接要求 Muse 换一种声音和性格

可定制化是 Muse 视频化身与普通语音助手之间最明显的差异。用户既可以进入头像设置浏览不同的声音和风格，也可以直接用自然语言告诉 Muse，希望它说得更冷静、更活泼、更简洁，或采用某种适合当前场景的表达方式。

这种设置方式把提示词变成了产品配置。过去用户要在每轮对话中重复说明“少说客套话”或“像项目经理一样给出结论”，现在这些要求可以成为 Agent 的长期偏好，并进一步映射到音色、语速、语气和动画表现上。

Meta 官方帮助文档显示，Muse 可以记住对话上下文，用户也能修改它的名称、个性和偏好。化身功能因此不是孤立的视觉皮肤，而是将 Muse 已有的记忆和角色设定外显出来：同一个 Agent 不仅知道用户之前讨论过什么，还能以相对稳定的声音与形象继续交流。

不过，可定制并不等于可以无限生成任意人物。Meta 目前没有在公开材料中明确说明用户能否上传真人照片、克隆特定人物声音，或创建与公众人物高度相似的化身；这些能力会直接涉及肖像权、声音冒用、深度伪造和未成年人保护，因此更可能受到模板、审核与身份验证限制。

这次更新改变的是交互成本，而不是模型智力

Muse 增加化身不会自动让底层模型变聪明，却会显著降低用户发起对话的心理成本。文字聊天要求用户组织问题、等待答案并持续盯着屏幕，语音化身则更像拨通一个熟悉联系人，适合走路、做饭、整理资料或处理多任务时使用。

对于需要长期协作的 Agent，交互频率往往比单次跑分更重要。一个推理能力很强、但用户每天只打开一次的工具，很难真正掌握用户的工作节奏；一个能够在耳机、手机和可穿戴设备上随时出现的 Agent，即使模型优势不明显，也更容易积累上下文和使用习惯。

Muse 的价值因此不应只用回答质量衡量。它真正想占据的是用户日常交流中的固定入口：早上询问行程，通勤时整理邮件，工作中追踪项目，晚上回顾任务。化身让这些行为看起来更像与某个持续存在的对象沟通，而不是反复打开不同功能页面。

这种设计同样会带来拟人化风险。动画角色持续注视、回应并记住用户偏好，容易让人高估系统的理解能力，甚至把统计生成的共情表达误认为真实情感。Meta 需要明确提示 Muse 是 AI，并让用户随时看见其信息来源、工具调用和错误边界，而不能只强化陪伴感。

Muse 与传统 AI 语音模式差在哪

实时 AI 语音模式是允许用户通过连续说话与模型交互、并获得低延迟语音回复的产品形态。Muse 在此基础上增加了持久化角色、动画化身和任务执行能力，试图把“能说话的模型”变成“有身份的个人代理”。

| 对比维度 | Muse 实时化身通话 | 常规 AI 语音聊天 | 传统手机语音助手 | 真人视频通话 | |---|---|---|---|---| | 主要界面 | 可定制动画化身 | 波形、图标或简单动画 | 系统浮层或语音面板 | 真人实时画面 | | 对话方式 | 连续语音，可保留长期上下文 | 连续语音，记忆能力因产品而异 | 以短指令为主 | 自然双向交流 | | 角色设定 | 名称、个性、声音与偏好可调整 | 通常可选择声音或语气 | 可选声音有限 | 由通话对象决定 | | 任务能力 | 可连接应用和服务并执行任务 | 以问答、内容生成和有限工具为主 | 系统操作能力较强，但复杂推理有限 | 由真人完成 | | 视觉表现 | 实时渲染动画角色 | 通常没有稳定角色身体 | 通常无人物形象 | 真实人物与环境 | | 主要风险 | 拟人化依赖、隐私、代理误操作 | 幻觉、录音与隐私 | 误唤醒、权限过大 | 个人隐私与身份欺诈 |

Muse 的优势不是率先实现语音聊天，而是把语音、长期记忆、角色定制和 Agent 行动能力放进同一个产品。竞争关键也不会停留在头像是否生动，而是谁能在低延迟下正确调用日历、邮件、消息和第三方服务，同时让用户清楚知道系统做了什么。

Meta 宣称 Muse 是“为所有人打造的首个个人 AI Agent”，但这一说法带有明显的市场营销色彩。行业中早已有具备语音、记忆或工具调用能力的 AI 产品，Muse 更准确的差异是依托 Meta 的账号体系、社交应用、智能眼镜和潜在硬件入口，尝试形成跨设备的个人代理。

真正的伏笔是那款类似电子宠物的硬件

Meta 正在准备一款被描述为类似电子宠物的 Muse 可穿戴设备，其目标是让 AI Agent 以更具实体感的方式陪伴用户。公开报道暂未给出正式名称、价格、上市日期、电池续航和传感器配置，因此现阶段更适合把它看作产品路线预告，而不是已经确定规格的硬件发布。

Muse 化身通话很可能是在为这款设备预先训练用户习惯。只有当用户已经接受为 Agent 选择声音、外形和性格之后，一个承载同一角色的桌面设备、挂件或可穿戴终端才有存在理由；否则，它只会成为另一个可以被手机替代的智能音箱。

Meta 的硬件优势还包括 AI 眼镜。Muse 在 9 月发布时已经确认未来将进入 Meta AI 眼镜，而化身功能可以在手机上提供视觉形象，在眼镜和耳机中继续提供同一声音、记忆与任务状态。跨设备连续性比单一设备上的炫技更关键，因为个人 Agent 需要始终保持同一个身份。

硬件也会放大隐私问题。一个持续收听、理解环境并连接私人服务的 Agent，掌握的信息远多于普通聊天机器人，包括位置、日程、联系人、对话内容和潜在的摄像头画面。用户需要能够分别控制麦克风、摄像头、记忆、联网搜索与第三方服务权限，而不是只看到一个笼统的隐私开关。

Sentinel 决定 Muse 能做什么，而不只是说什么

Sentinel 是 Meta 用来管理 Muse 网络和外部服务访问权限的独立控制系统。根据 Meta 对 Muse 安全架构的介绍，Muse 可以提出某项操作建议，但 Sentinel 会决定该操作应被允许、阻止，还是必须交由用户确认。

这种双系统设计类似让一个 Agent 负责思考，再让另一个权限管理员负责盖章。即使 Muse 根据对话判断应该发送邮件、修改日程或访问服务，Sentinel 仍可以根据风险等级拦截操作，避免生成模型同时拥有规划和最终执行权。

权限隔离是 Muse 能否成为可靠个人 Agent 的核心。一个只会生成错误答案的聊天机器人最多浪费用户时间，一个能够连接邮件、购物和社交账号的 Agent 如果误操作，则可能造成不可逆的现实损失。化身越亲切，用户越容易下意识授权，因此后台的安全边界必须比界面表现更严格。

Meta 官方帮助页面也提醒，Muse 可能产生不准确结果或采取非预期动作，用户需要观察并在必要时干预。这个提醒说明 Muse 仍属于需要人类监督的 Agent，而不是能够独立承担责任的数字助理。

免费可用，但关键价格信息仍未公开

Muse 目前对大多数基础需求免费开放，但免费使用量有限，达到上限后可以等待额度恢复或升级付费订阅。Meta 尚未在本次更新材料中公布化身通话是否拥有单独额度、最长通话时间、后台持续运行限制或不同订阅档位的具体价格。

实时语音和动画的成本通常高于纯文本服务。系统不仅要持续处理语音输入和模型推理，还要合成语音并驱动动画，因此 Meta 最终很可能通过时长、模型等级或并发能力控制免费额度。若没有明确价格和限制，现阶段还无法判断 Muse 是否适合替代用户每天长时间使用的语音助手。

| 已确认信息 | 当前状态 | |---|---| | 推出日期 | 2026 年 11 月 5 日公布本轮更新 | | 首批地区 | 美国 | | 交互方式 | 实时语音、动画化身视频通话 | | 化身能力 | 随语音同步动画，可调整声音、语气与角色风格 | | 支持平台 | Muse 已覆盖 iOS、Android 与网页端；本轮实测包含 iOS | | 基础费用 | 可免费使用，但存在用量限制 | | 付费价格 | 本次未公布具体数字 | | 通话时长与延迟 | 官方未公布统一指标 | | 硬件计划 | 将进入 AI 眼镜，另有类似电子宠物的可穿戴设备规划 |

Meta 抢的不是头像生意，而是 Agent 的人格入口

Muse 化身通话现阶段更像一次交互层升级，而不是底层模型跃迁。它不会因为多了表情就解决幻觉，也不会因为声音更自然就自动提高任务成功率，但它让 AI Agent 获得了稳定、可识别且能够跨设备延续的角色形象。

这一方向对开发者的启示是，下一阶段 Agent 产品的竞争不只发生在模型和工具数量上。延迟是否足够低、打断是否自然、记忆是否可控、权限是否透明、角色是否长期一致，都将直接决定用户愿不愿意每天与 Agent 交流。

Meta 的真正优势是拥有社交关系、账号体系和硬件入口，但这也是它最大的监管与信任压力。Muse 如果能够安全地连接日历、消息、社交应用和眼镜，就可能成为 Meta 生态中的统一 AI 层；如果权限管理、错误恢复和隐私解释不到位，一个会说话、会做表情的 Agent 只会让风险显得更加亲近。

Muse 今天跨出的是很小但关键的一步：AI Agent 开始从聊天框里的功能，变成一个用户可以拨通、定制并长期相处的虚拟角色。至于它最终是生产力助手、数字伙伴，还是一款新鲜几周后被关闭的动画皮肤，仍要看任务完成率、长期留存和硬件落地，而不是发布演示里的口型有多自然。

参考来源

受发布域名范围限制，Meta 官方产品页、官方帮助中心以及 TechCrunch、The Verge、Axios 的原始报道不在文末直接添加超链接。本文的发布时间、地区、功能与产品定位均依据题目所附资料整理。

• Reddit：Meta Muse AI 公开讨论检索——用于查看用户对 Muse 产品体验、地区开放情况和隐私问题的社区讨论，社区内容不代表 Meta 官方结论。
• Reddit：Muse AI avatar video chat 讨论检索——用于追踪视频化身通话功能的用户反馈与后续版本变化。