Meta, Muse’a Gerçek Zamanlı Ses ve Dışavurumcu Avatarlar Getiriyor

Meta’nın duyurduğuna göre, kişisel yapay zekâ ajanına konuşma ve görsel arayüz ekleyen gerçek zamanlı sesli görüşmeler ve dışavurumcu avatarlar, 5 Kasım 2026’da ABD’de mobil cihazlarda, web’de ve Mac’te Muse uygulamasında kullanıma sunuluyor.

Bu gelişme, Meta’nın 23 Eylül 2026’daki Connect 2026 ön gösteriminin ardından geldi. Ön gösterimde uzun süreli gerçek zamanlı görüşmeler ve Muse Realtime Avatar yer almıştı. Önceki etkinlikte bu özelliklerin nasıl olabileceği sergilenirken, yeni duyuru bunların kullanıcılara sunulmaya başladığını gösteriyor. Görüşme başlatmak için sağ üst köşedeki telefon simgesine dokunuluyor.

Sesli Kontroller ve Arka Planda Süren Görevler

Muse Realtime Voice, anında sesli yanıtlar veriyor ve kullanıcıların ajanın sözünü kesmesine olanak tanıyor. Görüşme sürerken ajan, görevler üzerinde arka planda çalışmaya devam edebiliyor; böylece sohbet ve ajana devredilen işler eş zamanlı olarak ilerleyebiliyor.

Örnekler; eksik bir fikri önceden kusursuz bir istem hazırlamadan geliştirmeyi, bir varış noktası ve birkaç tercihten yola çıkarak gezi planlamayı ve iş görüşmesi, sunum ya da sunum teklifi provası yapmayı kapsıyor. Diğer örneklerde kullanıcılar yürürken veya yemek yaparken görev veriyor, Muse da sohbet devam ederken işleri hallediyor.

Kullanıcılar etkileşimi yalnızca sesli sürdürebiliyor, avatarı sohbetin yanında görüntüleyebiliyor veya tam ekran, yüz yüze görünüme geçebiliyor. Avatar, dinlerken ve konuşurken tona uygun yüz ifadeleri ve jestlerle tepki veriyor. Meta, aralarından seçim yapılabilecek yüzlerce ses bulunduğunu ve seçimin değiştirilebildiğini söylüyor. Seçenekler arasında enerjik bir New Yorklu tarzı ve korsan tarzı örnek gösteriliyor.

Ses özelliği, başlangıçta mesajlaşma ve görev devri üzerine kurulu bir ajanın yeteneklerini genişletiyor. Meta, 8 Eylül 2026’da Muse’u tanıttı; kullanıcılar Muse uygulaması veya WhatsApp üzerinden etkileşim kurabiliyordu. Muse e-posta gönderebiliyor ve seyahat rezervasyonu yapabiliyor, uygulama kapatıldıktan sonra da çalışmayı sürdürebiliyor; bir şey değiştiğinde veya satın alma gibi hassas bir işlem öncesinde onay gerektiğinde kullanıcıya geri dönebiliyordu. Yeni özellikler, konuşma ve görsel varlık ekleyerek bu yerleşik görev ve onay modelini genişletiyor.

Gerçek Zamanlı Avatarın Arkasındaki Sistem

Meta AI Research’ün teknik açıklamasında, Muse Realtime Voice ile Muse Realtime Avatar tek bir akış sistemi olarak tanımlanıyor. Ses modeli, hem içeriği hem de sunuluş biçimini taşıyan konuşma belirteçleri üretiyor. Bir ses kod çözücü bu belirteçleri konuşmaya dönüştürürken avatar modeli de görsel performansı oluşturmak için aynı akışı kullanıyor; böylece ses, dudak hareketleri ve yüz ifadeleri eş zamanlı kalıyor.

Avatar, söz konusu belirteç akışı, portre veya illüstrasyon gibi referans görseller ve yakın zamandaki video gizil gösterimlerinden oluşan kayan bir pencereyle koşullandırılan, ses güdümlü bir Diffusion Transformer’dır. Kısa, nedensel video parçaları üretir. Her parça tamamlandığında, yeni üretilen gizil gösterimler bir sonraki parça için hareket bağlamı sağlar; böylece görünüm ve tavırlar korunurken hesaplama sınırlandırılır ve üretim görüşme boyunca sürdürülebilir.

Araştırma ekibine göre damıtma işlemi, gerçek zamanlı kullanımı mümkün kılmak için üretimi parça başına yönlendirilmiş öğretmen değerlendirmesi sayısını 120’den, yönlendirme kullanılmayan öğrenci değerlendirmesi sayısını ikiye indirdi. Ekip, öğretmen modelin kalitesini büyük ölçüde korurken bunun 60 katlık bir azalma sağladığını belirtiyor.

Araştırma ekibi, saniyede 25 kare hızında 448’e 768 piksel boyutlarında dikey video çıktısı elde edildiğini bildiriyor. Kullanıcının sözünü bitirmesinden eş zamanlı sesli ve görüntülü yanıtın ilk baytının gelmesine kadar geçen gecikme yaklaşık 870 milisaniye. Optimizasyonlar, sunum kapasitesini iki aşamalı BF16 temel düzeyine kıyasla sekiz kat artırıyor ve tek bir GB200 üzerinde aynı anda 12 gerçek zamanlı video üretim oturumunu destekliyor. Gecikme ölçümü konuşma akışının yanıt hızını, kapasite rakamlarıysa sürekli video üretiminin oluşturduğu sunucu yükünü gösteriyor.

Güvenlik Önlemleri ve Planlanan Cihazlar

Araştırma yazısında, üretilen avatar videolarına gerçek zamanlı gecikme eklemeden kalıcı ve görünmez bir Meta Video Seal filigranı eklendiği belirtiliyor. Yazıda ayrıca örneklerin modelin yeteneklerini gösterdiği, ancak hepsinin Muse uygulamasında sunulan avatarları yansıtmadığı konusunda uyarıda bulunuluyor. Muse, 18 yaş ve üzeri kullanıcılar içindir.

Meta, sesli görüşmelerin yakında AI Glasses’a ve Muse Charm’a da geleceğini söylüyor. Connect etkinliğinde gözlüklerle eller serbest erişim sağlanacağını, Charm’ın ise Muse ile konuşmak ve etkileşim kurmak için tasarlanmış cep boyutunda bir cihaz olduğunu açıklamıştı.

Bu duyuruda öne çıkan temel gelişme, etkileşim modelinin değişmesi: Artık konuşma, araya girme ve görevleri arka planda yürütme tek bir oturumda bir araya geliyor; avatar da buna görsel bir yanıt ekliyor. Meta’nın bu birleşimi AI Glasses’a ve Muse Charm’a taşıyıp taşıyamayacağı ise yanıt bekleyen bir sonraki soru. ABD’de uygulamanın mobil cihazlarda, web’de ve Mac’te kullanıma sunulması sürerken bu sürümler planlama aşamasında kalıyor.