Meta ha annunciato l’introduzione delle conversazioni vocali in tempo reale e degli avatar espressivi in Muse, il proprio agente personale di intelligenza artificiale, avviando la distribuzione delle nuove funzionalità negli Stati Uniti attraverso applicazioni mobili, web e Mac. L’aggiornamento del 5 novembre 2026 rende disponibili alcune delle capacità presentate durante Meta Connect del 23 settembre, quando la società aveva mostrato il funzionamento di Muse Realtime Voice e Muse Realtime Avatar. L’interazione vocale può essere avviata attraverso un’icona dedicata nell’interfaccia dell’applicazione e consente di parlare direttamente con l’agente, ricevendo risposte audio immediate e interrompendo la generazione vocale per modificare la conversazione. Una caratteristica del sistema riguarda la possibilità di continuare a delegare attività all’agente mentre il dialogo rimane attivo, senza dover necessariamente attendere il completamento di ogni operazione prima di affrontare un nuovo argomento.
Le modalità d’interazione previste comprendono conversazioni esclusivamente vocali e sessioni nelle quali l’agente viene rappresentato attraverso un avatar animato. L’utente può scegliere di visualizzare l’avatar accanto alla conversazione oppure utilizzare una modalità a schermo intero che riproduce un’interazione faccia a faccia. La figura digitale reagisce durante l’ascolto e la produzione delle risposte, introducendo espressioni facciali e movimenti coerenti con l’andamento del dialogo. Meta ha previsto centinaia di voci differenti, selezionabili e modificabili dall’utente, anche con stili espressivi particolarmente caratterizzati. Le applicazioni presentate riguardano la preparazione di viaggi, lo sviluppo progressivo di idee ancora incomplete e la simulazione di colloqui di lavoro, presentazioni e interventi pubblici. Il sistema può inoltre ricevere incarichi durante attività quotidiane come camminare o cucinare, mantenendo l’interazione vocale mentre esegue le operazioni delegate.
Muse era stato introdotto nel settembre 2026 come agente capace di operare attraverso la propria applicazione e WhatsApp, svolgendo attività come l’invio di email e la prenotazione di viaggi. Il sistema può continuare a lavorare anche dopo la chiusura dell’applicazione e riprendere il contatto con l’utente quando si verificano eventi rilevanti o quando è necessaria un’autorizzazione per operazioni sensibili, come un acquisto. Le nuove funzionalità vocali si inseriscono quindi in una struttura agentica già organizzata attorno alla delega di attività, alla continuità del lavoro e alla richiesta di approvazione prima di determinate azioni. La novità consiste nel rendere il dialogo parlato una modalità di controllo delle attività, anziché una semplice alternativa all’inserimento di messaggi testuali.
Dal punto di vista tecnico, Muse Realtime Voice e Muse Realtime Avatar condividono un sistema di generazione in streaming. Il modello vocale produce token che rappresentano sia il contenuto della risposta sia le caratteristiche della sua esecuzione, successivamente trasformati in segnale audio attraverso un decoder dedicato. Il modello dell’avatar utilizza lo stesso flusso per generare una rappresentazione visiva sincronizzata, coordinando i movimenti delle labbra e le espressioni facciali con la voce. Questa organizzazione consente di evitare una separazione completa tra produzione dell’audio e animazione del volto, riducendo le difficoltà di sincronizzazione che potrebbero emergere in una pipeline composta da sistemi indipendenti. Meta ha inoltre previsto l’inserimento di un watermark invisibile e persistente, denominato Meta Video Seal, nei video generati dagli avatar, senza introdurre ulteriore latenza nella generazione in tempo reale. La società precisa che non tutte le dimostrazioni pubblicate dal gruppo di ricerca corrispondono ad avatar già disponibili nell’applicazione. Muse è destinato a utenti maggiorenni e la futura integrazione delle conversazioni vocali negli AI Glasses e nel dispositivo tascabile Muse Charm rimane programmata, ma non ancora distribuita al momento dell’annuncio.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)