✨︎ Resumen (TL;DR):
- Meta comenzó el despliegue de conversaciones por voz y avatares animados de Muse en Estados Unidos.
- La función ofrece tres vistas, cientos de voces y una respuesta sincronizada que, según las mediciones de Meta, comienza después de unos 870 milisegundos.
- El acceso inicial cubre celular, web y Mac; la expansión a otros mercados, las gafas con IA y Muse Charm todavía no tiene fecha.
Meta comenzó a desplegar en Estados Unidos las conversaciones por voz y los avatares animados de Muse, su agente de inteligencia artificial, en las versiones para celular, web y Mac. La función permite hablar con el agente mientras sigue trabajando en segundo plano, pero la distribución todavía está en curso y la compañía no indicó cuándo llegará a cada cuenta.
Meta presentó esta forma de interacción en Meta Connect, en septiembre. El anuncio del 5 de noviembre convierte aquella demostración en un despliegue inicial, aunque la empresa no fijó un calendario para cada usuario.
Tres vistas para hablar con Muse
Muse es un agente de inteligencia artificial que puede atender una tarea mientras conversa con la persona. Para iniciar la conversación, Meta indica que hay que tocar el icono de teléfono en la esquina superior derecha.
Mientras la persona habla, Muse puede continuar con una tarea encargada, como preparar un viaje. La voz también permite desarrollar una idea o ensayar una presentación mediante un diálogo con el agente.
El avatar es opcional. Meta ofrece tres formas de mostrar la experiencia:
- Solo voz.
- El personaje junto a la conversación.
- El personaje a pantalla completa.
Según Meta, la figura reacciona mientras escucha y acompaña sus respuestas con gestos y expresiones. La persona también puede interrumpir al agente mientras responde.
Hay cientos de voces para elegir. En su presentación de septiembre, Meta explicó que el usuario podía describir cómo quería que sonara el agente, por ejemplo, al definir una velocidad o un acento.
Hablar con Muse no es pedirle una llamada
El botón de voz abre una conversación entre la persona y su propio agente. Esa experiencia es distinta de otra función telefónica que Muse ya había incorporado: llamar a negocios estadounidenses por encargo del usuario.
Reuters informó en septiembre que esas llamadas podían servir para consultar si había existencias o pedir una cita. La diferencia está en quién conversa con quién: en el nuevo modo, la persona habla con Muse para darle contexto o continuar una idea; en la otra función, el agente habla con un negocio para realizar una gestión.
El anuncio del 5 de noviembre se refiere a la primera experiencia, no a las llamadas a negocios.
Audio y avatar usan una señal común
Meta explicó en septiembre que Muse Realtime Voice y Muse Realtime Avatar comparten una secuencia de datos que alimenta tanto el audio como el video. Según el equipo de investigación de la compañía, esa señal común coordina el habla con el movimiento de los labios y las expresiones del personaje.
Meta calculó unos 870 milisegundos entre el final de la intervención del usuario y la llegada del primer fragmento de la respuesta sincronizada de voz y video. La cifra corresponde a una medición publicada para su sistema, no a una garantía del tiempo que tendrá cada conversación dentro de la aplicación.
La compañía también señaló que el video generado incorpora una marca de agua invisible. Además, no todos los avatares mostrados en sus demostraciones técnicas representan opciones disponibles en Muse. El servicio está dirigido a personas mayores de 18 años.
Sentinel mantiene el control de las acciones
La voz ofrece otra forma de dar instrucciones a un agente que puede trabajar con servicios conectados. En su descripción técnica de septiembre, Meta explicó que Sentinel, un componente separado, evalúa las acciones y puede permitirlas, rechazarlas o pedir autorización a la persona.
Los permisos pueden concederse para una sola acción, una tarea o de forma permanente, entre otras opciones. Las acciones que ya recibieron autorización dentro del alcance concedido pueden continuar sin una nueva interrupción.
El anuncio del modo de voz no detalla cambios en ese sistema ni especifica cuánto tiempo se conservaría el audio de las conversaciones.
Por ahora, Meta sitúa el inicio del despliegue en Estados Unidos y no da una fecha para otros mercados. Las conversaciones por voz llegarán después a sus gafas con IA y a Muse Charm, el dispositivo que prepara la compañía, también sin una fecha concreta.
