Meta comenzó a distribuir en Estados Unidos las conversaciones por voz y los avatares animados de Muse. La función llega a la aplicación del agente de inteligencia artificial en móviles, web y Mac, y permite hablar con él mientras continúa trabajando en segundo plano, según anunció la compañía el 5 de noviembre.
La empresa presentó esta forma de interacción en Meta Connect, en septiembre. El anuncio de ahora traslada aquella demostración a un despliegue inicial: Meta habla de una distribución en curso, sin precisar cuándo llegará a cada cuenta.
Patricia Rodriguez
Un avatar opcional y cientos de voces
Para iniciar una conversación, Meta indica que se puede pulsar el icono de teléfono en la esquina superior derecha. Mientras la persona habla, Muse puede seguir atendiendo una tarea encargada, como preparar un viaje. La voz también sirve para desarrollar una idea o ensayar una presentación en diálogo con el agente.
El avatar es opcional. La compañía ofrece tres vistas: solo voz, el personaje junto a la conversación o una vista 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 durante una respuesta.
Hay cientos de voces para elegir, de acuerdo con la empresa. En su presentación de septiembre, Meta explicó que el usuario podía describir cómo quería que sonara el agente, por ejemplo con una velocidad o un acento determinados.
Hablar con Muse y pedirle una llamada son cosas distintas
El botón de voz abre una conversación entre la persona y su propio agente. Muse también había incorporado otra función telefónica: llamar a negocios estadounidenses por encargo del usuario. Reuters informó en septiembre que esas llamadas podían servir para consultar 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 seguir una idea. En la función descrita por Reuters, el agente habla con un negocio para realizar una gestión. El anuncio del 5 de noviembre se refiere a la primera de esas experiencias.
Cómo sincroniza la voz con la imagen
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 su equipo de investigación, esa señal común permite coordinar el habla con el movimiento de los labios y las expresiones del personaje.
La compañía 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. Es una medición publicada por Meta para su sistema, no una garantía del tiempo que tendrá cada conversación en la aplicación.
Meta también señaló que el video generado incorpora una marca de agua invisible y que no todos los avatares mostrados en sus demostraciones técnicas representan opciones disponibles en Muse. La empresa indica que el servicio es para mayores de 18 años.
Los permisos pueden durar más de una acción
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 un componente separado llamado Sentinel evalúa las acciones y puede permitirlas, rechazarlas o pedir autorización a la persona.
Esos permisos pueden concederse para una sola acción, una tarea o de forma permanente, entre otras opciones, según la documentación de la compañía. Las acciones que ya quedaron autorizadas 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 comienzo del despliegue en Estados Unidos y no da una fecha para otros mercados en su anuncio. Las conversaciones por voz llegarán después a sus gafas con IA y a Muse Charm, el dispositivo que prepara la compañía, sin una fecha concreta para esas versiones.
Patricia Rodriguez
