Ещё недавно голосовой AI был почти игрушкой: поболтали и разошлись. Теперь Meta выпустила голосовой режим Muse всем пользователям в США, а китайский разбор на «极客公园» объясняет, зачем это нужно. Короткий ответ автора: ставка на привычку. Голос снимает порог, и мелкие просьбы начинают уходить в ассистента сами.

Источник: geekpark.net

Что Meta выкатила 5 ноября

Голосовой звонок с Muse доступен всем пользователям в США. Чтобы позвонить, нужно нажать значок телефона в правом верхнем углу экрана разговора. Работает в приложении на телефоне, в вебе и на Mac. Пока только в США, в других странах не объявлено.

Источник: geekpark.net

Анонс ушёл блогом Meta и постом Alexandr Wang в X. Главный инженерный фундамент здесь две новые модели: Muse Realtime Voice и Muse Realtime Avatar. Их разрабатывает Meta Superintelligence Labs. Впервые технологию показали на конференции Connect в сентябре.

  • Голосовой звонок с ИИ-агентом в реальном времени
  • Можно перебивать агента на полуслове
  • Аватар синхронизирует мимику и движения губ с речью
  • Сотни голосов с разными характерами, переключаются в любой момент
  • Можно описать голос словами: нужный темп или акцент
  • Агент продолжает работать над задачами в фоне, пока вы говорите

Как это работает на практике

По словам Meta, задержка от конца фразы пользователя до первого аудио- и видеоответа около 870 миллисекунд. Это цифра из заявления самой компании, независимых замеров пока нет.

Источник: geekpark.net

Джей Питерс из The Verge тестировал функцию на iOS и отметил, что агент отвечает быстро, но иногда делает паузу, когда что-то ищет или проверяет. Аватар хорошо попадает в речь, но для его конкретного образа эффект получился жутковатым. Сам он не гонял функцию дольше одного теста, поэтому опираться на его впечатления стоит аккуратно.

Важная деталь из TechCrunch: Muse не видит пользователя. Он слышит и реагирует на разговор, а мимика аватара подбирается под тон беседы. То есть «живость» аватара частично декорация.

Что пишут в Китае: скорость и «дела на фоне»

Автор статьи «为什么「陪伴」,注定是 Personal AI 的核心» (宇航猿, редакция «极客公园») честно признаётся, что сам Muse по способностям считает средним. При этом, по его словам, сервис «带来了一种真切的陪伴感», и это изменило его привычки: он стал обращаться к агенту даже с мелочами.

Главный тезис автора: раньше языковые помощники были чатом, где всё заканчивалось на «спасибо». Теперь у агента есть руки, то есть доступ к делам. Цитата в переводе: «AI 身后终于长出了一双手,语音因此成了派活门槛最低的入口» — «у AI наконец выросли руки, и голос стал самым простым входом для поручений».

В той же статье приводятся китайские данные. У豆包 (Doubao) при запуске полнодуплексного голоса в A/B-эксперименте вырос показатель удовлетворённости звонком: по словам автора, на 8,34 процента. Сам эксперимент описан без подробностей о выборке, поэтому считать это доказанной цифрой рано.

Почему Meta делает аватар Jolly

Muse по умолчанию получает мультяшного персонажа Jolly. По данным TechCrunch, Meta прямо говорит, что очеловечивание агента должно делать пользователя ближе к агенту, и эта связь крепнет по мере живых разговоров. Голосов сотни: от «нью-йоркского» до «пиратского». Можно и описать голос своими словами.

Автор китайской статьи ставит это в прямую связь с бизнесом: соцсеть зарабатывает на времени внимания, поэтому персонаж, к которому привязываются, выгоден. Цитата автора: «工具是用完即走的,只有角色才能让人留下来» — «инструмент используют и уходят, а остаются только из-за персонажа».

По данным The Verge и TechCrunch, в Meta утверждают, что у Muse в США уже около 1000 пользователей создали собственных агентов. Эта цифра из отчёта китайского издания «至顶网», которое, в свою очередь, ссылается на публикацию. Проверить её самостоятельно не получится, поэтому относитесь к ней как к заявлению, а не к факту.

Тёмная сторона: привязанность растёт вместе с разговорами

Автор ссылается на совместное исследование MIT Media Lab и OpenAI: около 1000 участников, четыре недели, рандомизированный контроль. Вывод в изложении автора: в начале голосовой режим снижал ощущение одиночества, но чем больше люди им пользовались, тем сильнее росли одиночество и эмоциональная зависимость.

Вторая ссылка — исследование высокоуровневого голосового режима ChatGPT. По нему эмоционально окрашенные разговоры сильно концентрируются у небольшой группы тяжёлых пользователей, и часто это люди, которым и без AI было одиноко. Китайский автор называет это «引线», то есть запалом.

Среди реакций пользователей выделяется случай из The Verge. Джей Питерс сделал аватар похожим на Марка Цукерберга, чтобы помнить, что говорит с сервисом Meta. Его цитата: «I refuse to be charmed by a Jolly!» — «Я отказываюсь поддаваться очарованию Jolly!».

ЧтоСтатус
Голосовой звонок Museдоступен в США для всех
Avatar с мимикойдоступен в США, для очков «скоро»
Muse Charmпоказан, отгрузка к декабрю, цена не объявлена

Что это меняет для креатора

Если смотреть на поведение пользователя, главная перемена простая: порог постановки задачи падает. Раньше мысль «а стоит ли это писать в чат?» часто гасла сама. Голос убирает эту паузу, и мелкие поручения начинают уходить в ассистента.

Для визуальных авторов это практические сценарии, которые стоит попробовать самим:

  • Наговорить черновик брифа по дороге на съёмку и попросить агента структурировать его
  • Надиктовать список референсов и тайминг шотов, пока руки заняты камерой
  • Проговорить сценарий короткого ролика, чтобы поймать неестественные реплики по звучанию
  • Попросить агента собрать список локаций или таймлайн съёмки, пока вы в движении
  • Прорепетировать питч заказчику голосом и сразу услышать, где затянуто

Голосовой Muse работает с задачами и мышлением вслух, рендер он не делает. Мои личные тесты такой связки не проводились, так что это гипотезы для проверки, а не выводы.

Где подвох

  • Доступ пока только из США: для России и других стран сроки и условия не объявлены
  • Цена и тарифы для голосового режима в открытых источниках не названы
  • Задержка 870 мс — заявление Meta, независимых замеров в материалах нет
  • Аватар понимает тон, но не видит пользователя: мимика подстраивается под речь, а не под лицо
  • Данные о росте привязанности и об 1000 агентов пока без независимой проверки
  • China-источники рассказывают про свои сервисы; сравнивать цифры напрямую нельзя

Есть и вопрос для себя: вы будете говорить с агентом, потому что удобно, или потому что с ним приятно? Китайский автор честно признаётся, что второе тоже случилось. Для работы с клиентами и бюджетом такая разница важна.

А вы уже пробовали голосом ставить задачи AI-агенту? Что получилось, а что раздражало?

Источники

Meta says US users can now video chat with their Muse AI avatar | TechCrunch

Muse has a voice mode now | The Verge

Meta’s Muse AI gets a voice chat mode with hundreds of voices | Android Authority

Meta adds real-time voice chat and animated avatars to its Muse app | TNW

What Is the Muse Charm? | All Things Muse

Источникgeekpark.net