Hecho: Meta publicó el 5 de noviembre «Give Your Muse a Voice»: la voz y los avatares expresivos llegan a todos los usuarios de la app Muse en Estados Unidos, en móvil, web y Mac, desde el ícono de teléfono arriba a la derecha. Era la función que se había mostrado en preview en Connect 2026.
Cómo se usa
El avatar reacciona mientras hablás, «con gestos y expresiones sutiles que coinciden con el tono de la conversación», y el usuario elige cuánta presencia quiere: solo voz, el avatar junto a la conversación, o pantalla completa para hablar cara a cara. Hay cientos de voces para elegir estilo —el propio anuncio pone de ejemplo «energía de neoyorquino» o «flair de pirata»— y se pueden cambiar cuando quiera. Meta dice que se puede interrumpir al agente y que la conversación sigue el hilo en tiempo real, apoyándose en las tecnologías Muse Realtime Avatar y Muse Realtime Voice.
La empresa posiciona la voz para tareas de pensamiento en voz alta: armar un viaje, preparar una entrevista o ensayar una presentación, o delegar cosas mientras caminás y las manos están ocupadas, porque «Muse se encarga en segundo plano mientras hablás». Para el futuro anuncia que las conversaciones por voz llegarán a las AI Glasses y al dispositivo Muse Charm.
Lo que explica la nota técnica: Adgully detalla que la arquitectura de encarnación no es un muñeco hablante tradicional sino un transformador de difusión dirigido por audio, condicionado por medios de referencia, que anima retratos, ilustraciones y personajes con microexpresiones, postura y gestos de mano sincronizados con la conversación.
Detalles técnicos y de seguridad
Lo que agregan los medios: India Today detalla que el avatar por defecto se llama «Jolly», que se puede personalizar en persona, animal o personaje propio, que todo el video generado lleva la marca de agua Meta Video Seal y que la función es solo para mayores de 18 años; el anuncio lo hizo Alexandr Wang, jefe de IA de Meta. ShiftDelete y TechCrunch datan el despliegue el 5 de noviembre. El blog de investigación de Meta, citado por FourWeekMBA y Adgully, aporta las especificaciones: video de retrato 448×768 a 25 cuadros por segundo con ~870 ms de latencia, y hasta 12 sesiones concurrentes por GB200.
Cifras del fabricante: latencia, cuadros por segundo y sesiones por chip son datos de Meta; el estudio de preferencia que cita su blog (78% frente a Runway Characters y 88% frente a HeyGen LiveAvatar) también es interno y no replicado de forma independiente.




