تضيف Meta الصوت الآني والصور الرمزية التعبيرية إلى Muse

أعلنت Meta في 5 نوفمبر 2026 عن بدء طرح المحادثات الصوتية الآنية والصور الرمزية التعبيرية في تطبيق Muse في الولايات المتحدة، عبر الأجهزة المحمولة والويب وأجهزة Mac، مضيفةً واجهة صوتية ومرئية إلى وكيلها الشخصي للذكاء الاصطناعي.

يأتي هذا الطرح عقب استعراض Connect 2026 الذي قدمته Meta في 23 سبتمبر 2026، وشمل محادثات آنية طويلة وMuse Realtime Avatar. وقد عرض الحدث السابق هذه المفاهيم، أما الإعلان الجديد فيمثل بدء طرحها للمستخدمين. ويؤدي النقر على أيقونة الهاتف في الزاوية العلوية اليمنى إلى بدء محادثة.

التحكم بالصوت والمهام المتواصلة

يوفر Muse Realtime Voice ردودًا صوتية فورية، ويتيح للمستخدمين مقاطعة الوكيل. ويمكن للوكيل مواصلة العمل على المهام في الخلفية أثناء استمرار المحادثة، ما يتيح للمناقشة والعمل المفوّض أن يسيرا جنبًا إلى جنب.

تركز الأمثلة على تطوير فكرة غير مكتملة من دون صياغة طلب دقيق مسبقًا، والتخطيط لرحلة انطلاقًا من وجهة وبعض التفضيلات، والتدرب على مقابلة عمل أو عرض تقديمي أو عرض ترويجي. وتشمل أمثلة أخرى إسناد مهام أثناء المشي أو الطهي، على أن يتولى Muse إنجاز العمل مع استمرار المحادثة.

يمكن للمستخدمين إبقاء التفاعل صوتيًا فقط، أو وضع الصورة الرمزية بجانب المحادثة، أو الانتقال إلى عرض ملء الشاشة وجهًا لوجه. وتتفاعل الصورة الرمزية أثناء الاستماع والتحدث، مستخدمةً تعابير وإيماءات تناسب نبرة الحديث. وتقول Meta إن هناك مئات الأصوات للاختيار من بينها، ويمكن تغيير الصوت المختار. وتوضح ذلك بنمط حماسي من نيويورك وآخر على طريقة القراصنة.

يوسّع الصوت قدرات وكيل صُمم أساسًا للمراسلة وتنفيذ المهام المفوّضة. قدمت Meta نظام Muse في 8 سبتمبر 2026، مع إتاحة التفاعل عبر تطبيق Muse أو WhatsApp. وكان بإمكان Muse إرسال رسائل البريد الإلكتروني وحجز الرحلات، ومواصلة العمل بعد إغلاق التطبيق، ثم العودة عند حدوث تغيير أو عندما تكون الموافقة مطلوبة قبل تنفيذ إجراء حساس مثل الشراء. وتضيف الميزات الجديدة التحدث والحضور المرئي إلى هذا النموذج القائم على المهام والموافقة.

النظام وراء الصورة الرمزية الآنية

يصف عرض تقني من Meta AI Research نظام Muse Realtime Voice وMuse Realtime Avatar على أنهما نظام بث واحد. وينشئ نموذج الصوت رموزًا كلامية تحمل المحتوى وطريقة إلقائه معًا. ويحوّل مفكّك ترميز صوتي هذه الرموز إلى كلام، بينما يستخدم نموذج الصورة الرمزية التدفق نفسه لإنتاج الأداء المرئي، بما يحافظ على تزامن الصوت وحركة الشفاه والتعبيرات.

الصورة الرمزية عبارة عن محوّل انتشار يعمل بالصوت، ويعتمد على تدفق الرموز هذا، ووسائط مرجعية مثل صورة شخصية أو رسم توضيحي، ونافذة متجددة من التمثيلات الكامنة لأحدث مقاطع الفيديو. وينشئ مقاطع فيديو سببية قصيرة. ومع اكتمال كل مقطع، توفر أحدث التمثيلات الكامنة التي أُنشئت سياقًا حركيًا للمقطع التالي، فتحافظ على المظهر والسمات السلوكية عبر المقاطع، مع حصر متطلبات الحوسبة بما يتيح استمرار الإنشاء طوال المحادثة.

يفيد منشور الأبحاث بأن التقطير خفّض عدد عمليات التقييم الموجّهة للمعلم اللازمة لإنشاء كل مقطع من 120 إلى عمليتي تقييم غير موجّهتين للطالب، لجعل هذه العملية قابلة للاستخدام في الوقت الفعلي. وتصف Meta ذلك بأنه خفض بمقدار 60 ضعفًا، مع الحفاظ إلى حد كبير على جودة المعلم.

يفيد فريق الأبحاث بأن النظام ينتج فيديو عموديًا بدقة 448 × 768 بكسل وبمعدل 25 إطارًا في الثانية، مع زمن استجابة يبلغ نحو 870 مللي ثانية من نهاية دور المستخدم إلى أول بايت من الاستجابة المتزامنة صوتًا وصورة. وتزيد التحسينات قدرة تقديم الخدمة بمقدار ثمانية أضعاف مقارنة بخط الأساس ذي الخطوتين BF16، وتدعم 12 جلسة متزامنة لتوليد الفيديو في الوقت الفعلي على جهاز GB200 واحد. ويقيس زمن الاستجابة مدى سرعة التفاعل في المحادثة، بينما تتعلق أرقام السعة بحمل الخدمة الناجم عن توليد الفيديو المستمر.

إجراءات الحماية والأجهزة المخطط لها

يقول منشور الأبحاث إن فيديو الصور الرمزية المُنشأ يتضمن علامة مائية دائمة وغير مرئية باسم Meta Video Seal، من دون إضافة زمن استجابة في الوقت الفعلي. وينبّه المنشور أيضًا إلى أن الأمثلة توضح قدرات النموذج، ولا تمثل جميعها صورًا رمزية متاحة في تطبيق Muse. ويقتصر استخدام Muse على من تبلغ أعمارهم 18 عامًا فأكثر.

تقول Meta إن المحادثات الصوتية ستتوفر قريبًا أيضًا على نظارات الذكاء الاصطناعي وجهاز Muse Charm. وفي Connect، وصفت الوصول عبر النظارات بأنه يتيح الاستخدام من دون استخدام اليدين، كما وصفت Charm بأنه جهاز بحجم الجيب مصمم للتحدث مع Muse والتفاعل معه.

يجعل هذا الطرح نموذج التفاعل محور التطور الجديد: إذ أصبح الكلام والمقاطعة وتنفيذ المهام في الخلفية جزءًا من جلسة واحدة، فيما تضيف الصورة الرمزية استجابة مرئية. ويبقى السؤال المفتوح التالي هو ما إذا كانت Meta ستتمكن من إتاحة هذا المزيج على نظارات الذكاء الاصطناعي وMuse Charm؛ إذ لا تزال هذه الإصدارات مخططًا لها، بينما يتواصل طرح التطبيق في الولايات المتحدة عبر الأجهزة المحمولة والويب وأجهزة Mac.