MetaのMuseが米国で音声・ビデオ通話に対応、動くアバターと会話——モバイル・Web・Macで利用可

結論から言うと、Metaは2026年11月5日、AIエージェント「Muse」で音声通話とビデオ通話ができる「Muse Voice」を、米国の全ユーザーへ提供し始めました。9月のConnectで披露された機能で、話しかけると動くアバターが声と表情で応答します。仕組みを支えるのは、2つの新しい技術です。

Muse Realtime Voiceが会話の理解と音声の生成を担い、Muse Realtime Avatarがその音声に合わせてアバターの表情や身ぶりをリアルタイムで作ります。アバターは「Jolly」という名前の既定のキャラクターで、人や動物など自分の好みの姿に変えられます。会話の途中でさえぎって話しかけることもでき、アバターは会話の調子に合わせた表情やしぐさで応答します。

Metaの研究ブログによると、映像は縦向きの448×768ピクセルで毎秒25コマ、利用者の発言が終わってから応答の最初の音声と映像が届くまでの遅延は約870ミリ秒です。1台のGB200で12件の通話を同時にさばけるといいます。使えるのはモバイル、Web、Macで、Metaは今後、AIグラスや年内に登場する小型端末「Muse Charm」にも対応させる計画です。

ただし、提供は米国のユーザーに限られ、日本での開始時期は発表されていません。Museは18歳以上が対象で、アバターは利用者の姿を見るのではなく、声を聞いて反応します。生成される映像には目に見えない透かしが入るとMetaは説明しています。