先了解这件事
2026年9月24日,Meta在Meta Connect上由扎克伯格发布Muse Realtime Avatar实时化身技术,该技术把Muse Realtime Voice转成有表现力、可交互的化身,首批应用场景为实时对话。同日Meta公布对比评测结果:将Muse Realtime Avatar与两款领先商业虚拟形象系统在各自实时通话产品中正面对比,评分者使用匹配的虚拟形象身份进行2–3分钟对话,随后比较视觉质量、同步性、角色一致性和举止神态,Muse Realtime Avatar在整体偏好上胜出。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
Meta 将 Muse Realtime Avatar 与两款商业系统对比事件进展
1 个已确认进展
- 来源：AI at Meta
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月24日
AI at Meta一手
Meta 将 Muse Realtime Avatar 与两款商业系统对比
我们将 Muse Realtime Avatar 与两款领先的商业虚拟形象系统在它们各自的实时通话产品中进行了正面对比。评分者使用匹配的虚拟形象身份进行了 2–3 分钟的对话，然后比较了视觉质量、同步性、角色一致性和举止神态。 Muse Realtime Avatar 在整体偏好上胜出。
AI at Meta一手
Meta 发布 Muse Realtime Voice 与 Muse Realtime Avatar 统一流式架构
Meta 发布 Muse Realtime Voice 与 Muse Realtime Avatar，二者通过共享语音 token 流组成统一流式架构，前者生成编码内容与韵律的语音 token，后者消费同一流并生成流式视频。系统以固定长度历史作为后续分块的动作上下文，在任意对话长度下保持有界计算，同时生成同步的语音、唇动与表情。团队将带 3-way CFG、每段视频需 120 次评估的 40 步扩散教师模型蒸馏为无引导的 2 步因果学生模型，配合固定长度 KV cache 与 self-forcing，以少 60 倍的评估次数接近教师质量；在自家实时通话产品中与两个商用化身系统对比，Muse Realtime Avatar 在整体偏好上领先。
AI at Meta一手
Meta 用蒸馏实现 2 步扩散实时视频流
实时视频流需要即时响应，同时在长时间对话中保持视觉一致性。 我们通过将带 3-way CFG 的大型 40 步扩散教师模型（每个视频块 120 次评估）蒸馏为带固定长度 KV cache 的无引导 2 步因果学生模型，实现了这一点。 Self-forcing 帮助学生模型抵抗漂移，以少 60 倍的评估次数保持接近教师模型的质量。
AI at Meta一手
Meta 发布 Muse Realtime Avatar 实时化身技术
Meta 在 Meta Connect 上由扎克伯格发布 Muse Realtime Avatar，这项实时化身技术把 Muse Realtime Voice 转成有表现力、可交互的化身。该技术为 Muse 带来新的交互形式，首批应用场景是实时对话。