Meta Muse AI数字人上线视频通话，美国用户可定制形象

Meta 正在把 AI 助手从文本框里拉出来，变成一个会说话、会做表情的数字人。据 RSS 来源报道，Meta 宣布美国用户现在可以通过视频通话与名为 Muse 的 AI 虚拟形象互动，并且这个形象支持自定义。

这项功能的上线时间点耐人寻味：Meta 同时透露了一款类似 Tamagotchi 的可穿戴设备，目标是把 Muse 从屏幕里「带出来」。两条产品线一前一后，指向同一个方向——AI 助手的形态正在从工具转向陪伴。

Muse 是什么：从聊天机器人到动画形象

Muse 并非一个全新的模型名称，而是 Meta AI 助手的一个可交互形象层。用户可以在视频通话中看到一个动画化的虚拟形象，由 AI 驱动进行对话。与纯文本或语音交互相比，视频通话意味着系统需要同时处理语音识别、语义理解、语音合成以及面部动画的实时生成。

Meta 将其描述为「可定制的动画形象」。具体定制维度官方没有展开，但从产品逻辑推断，形象外观是最基础的一层，后续可能延伸到声音、表情风格甚至性格设定。这一方向与 Meta 在虚拟化身（Avatar）领域多年的积累直接相关——Quest 平台和社交产品中的 Avatar 系统为 Muse 提供了现成的技术底座。

虚拟化身（Avatar）系统是 Meta 多年积累的技术资产。在 Quest 平台和社交产品中，Avatar 包含骨骼绑定、面部表情驱动、口型同步等模块，通常基于 ARKit 兼容的面部混合形状（blendshape）标准实现。当 AI 需要生成实时动画时，系统会把语音合成输出的音素序列映射到口型动作，再叠加表情层，最终渲染成可见形象。Muse 直接复用这套管线，意味着 Meta 不必从零构建动画系统，只需把 AI 驱动的对话逻辑接入现有 Avatar 渲染链路。这也是 Meta 能在视频通话形态上快速推进的底层原因。

视频通话意味着什么

把 AI 助手放进视频通话，门槛比想象中高。文本对话可以容忍秒级延迟，语音通话可以容忍百毫秒级抖动，但视频通话要求口型、表情与语音同步，任何错位都会立刻被用户感知为「假」。

Meta 选择在这个时间点开放功能，说明其实时生成管线已经达到可用状态。对用户而言，变化在于交互的「在场感」：面对一个会转头、会眨眼、会跟着语气变化的形象，对话的心理距离明显缩短。这也是 Meta 在 AI 助手同质化竞争中试图建立的差异点——当各家模型能力差距收窄，交互形态成为新的战场。

实时音视频生成的技术难点集中在「同步」二字。语音合成通常以流式方式输出音频块，面部动画需要根据音频的时间戳逐帧对齐口型，而视频编码又要保证端到端延迟控制在可接受范围内。行业里常用的做法是引入一个低延迟的音频驱动面部动画模型，把语音特征直接映射为表情参数，再通过轻量渲染管线输出画面。任何环节的缓冲都会造成音画不同步，用户会立刻感知为「假」。Meta 开放该功能，说明其流式管线已经把延迟压到了可用区间。

Tamagotchi 式可穿戴设备的分量

报道中提到的那款「类似 Tamagotchi 的可穿戴设备」，是理解 Muse 战略意图的关键线索。Tamagotchi（电子宠物）的核心体验不是功能，而是陪伴关系：用户照料它、它回应用户，形成情感连接。

如果 Meta 把 Muse 装进一个随身设备，AI 助手就不再是「打开 App 才存在」的服务，而是持续在场的实体。这与当前 AI 硬件的探索方向一致，但 Meta 的差异化在于已有 Muse 这个可交互形象作为内容层，硬件只是载体。换句话说，视频通话是软件侧的验证，可穿戴设备是硬件侧的延伸，两者共享同一个形象资产。

需要说明的是，可穿戴设备目前仅有方向性描述，Meta 尚未公布形态细节和上市节奏。从「ahead of the launch」的表述看，视频通话功能是先行动作，硬件在后方待命。

Tamagotchi 是 1996 年万代推出的便携电子宠物，核心机制是「照料—反馈」循环：用户喂食、清洁、陪玩，设备以动画和状态变化回应，从而建立情感连接。它的产品逻辑不依赖功能复杂度，而依赖持续在场和低门槛互动。Meta 借用这一概念，意味着可穿戴设备的目标不是替代手机，而是让 AI 形象拥有一个随时可触达的物理载体。这类产品的难点在于如何避免新鲜感消退后的闲置，通常需要持续的内容更新和对话能力迭代来维持粘性。

竞争格局中的位置

视频通话形态的 AI 形象并非 Meta 独创。行业内已有多个玩家在尝试让 AI 助手具备视觉化的人格呈现，但多数停留在演示或小范围测试阶段。Meta 的优势在于分发规模——美国用户直接可用，意味着功能已经过内部验证并具备服务承载能力。

另一个值得关注的点是定制化。当用户能决定 AI 形象的外观，产品就从「一个助手」变成「我的助手」，归属感带来的留存效应在社交产品中已被反复验证。Meta 显然想把同样的逻辑搬到 AI 助手上。

AI 助手的视觉化人格呈现正在成为行业探索方向。部分玩家采用 3D 虚拟形象加语音对话的组合，部分则停留在 2D 动画或预渲染视频阶段。差异主要体现在实时性和可定制性上：预渲染方案成本低但交互感弱，实时生成方案体验好但算力消耗大。Meta 的优势在于分发规模——美国用户直接可用，说明功能已通过内部验证并具备服务承载能力。当各家底层模型能力差距收窄时，交互形态和分发渠道会成为新的竞争变量。

待解的问题

功能上线只是起点。视频通话对算力和带宽的消耗远高于文本交互，大规模开放后服务成本如何控制，是 Meta 需要回答的问题。隐私层面同样存在讨论空间：视频通话涉及摄像头权限和实时音视频数据，Meta 需要给出清晰的数据处理说明。

可穿戴设备的悬念则更大。Tamagotchi 式产品的生命周期往往依赖新鲜感，Muse 能否通过持续更新的对话能力和形象内容维持用户粘性，将决定这条产品线的天花板。

从文本到语音，从语音到视频形象，再到随身硬件，Meta 给 Muse 规划的路径清晰：让 AI 助手具备「存在感」。视频通话是这条路上的中间站，接下来要看那款小设备能否把 Muse 真正带进日常生活。