Muse Realtime Avatar: מה מטא בנתה, על מה הוא רץ, ולמה אתם עדיין לא יכולים להתקשר אליו

Muse Realtime Avatar הוא טכנולוגיית ההתגלמות של Meta. היא לוקחת את זרם הדיבור שMuse Realtime Voice מפיק ומרנדרת את ההופעה המתאימה: כוונו אותו אל דיוקן צילומי והפנים מגיבות בשינויים קטנים בהבעה, כוונו אותו אל איור בגוף מלא והדמות מחווה ומשנה את תנוחתה בזמן שהיא מדברת. Meta AI Research הציגה אותו ב-23 בספטמבר 2026 בפוסט בשם "להביא את ה-Muse שלך לחיים". זו תוצאת מחקר ולא מוצר — העמוד של Meta עצמה לא מציע API, לא מחיר, לא רשימת המתנה ולא תאריך פרסום עבורו — כך שהתשובה הכנה לשאלה "האם אני יכול להשתמש בו היום" היא לא. מודל Muse שאפשר לקרוא לו היום הוא מודל אחר, Meta Muse Spark 1.2.

כדאי להציג את התשובה הזו בפסקה הראשונה ולא באחרונה, מפני שקורא שמחפש את השם הזה בדרך כלל מחליט אם לתכנן סביבה. תכננו סביב המחקר, לא סביב נקודת קצה.

דבר אחד שיש לומר בבירור לפני כל דבר אחר, מפני שהעמוד הזה מפר כלל שהוא צריך להודות בו. הבלוג הזה בדרך כלל כותב על מודלים בשבוע שבו הם מושקים. Muse Realtime Avatar הוכרז שבוע לפני שהעמוד הזה עלה, ולכן לפי קריאה מחמירה של חלון הרעננות הפריט היה מדולג. זה אינו מאמר חדשות על אירוע עם תאריך. זהו עמוד הייחוס של מודל שחי היום בשיח הקטלוג: העמוד שאליו מגיע קורא לאחר שהקליד את שמו של המודל עצמו, שההצדקה שלו היא ביקוש חיפוש מתמשך שמדדנו בעצמנו, ולא רעננות של השקה. ההכרזה מספטמבר מוזכרת כאן כעובדה שמתארכת את המודל, ולא כאירוע לדיווח, ושום דבר בהמשך אינו הכרזה שנייה. הסיקור שלנו של אותו יום הוא כתבה נפרדת, והוא נשאר נפרד.

מה מקומו במשפחת Muse

Meta מציינת במפורש שאלו שתי שכבות של מערכת אחת, ולא שני מוצרים. בניסוח של Meta, "Muse Realtime Voice ו-Muse Realtime Avatar יוצרים מערכת סטרימינג אחת שמחברת בין אינטליגנציה, קול והתגלמות." שכבת הקול מספקת את האינטליגנציה השיחתית ופולטת זרם של טוקנים של דיבור — Meta מכנה אותם VQs — שנושאים גם את מה שנאמר וגם את אופן ההגשה. מפענח אודיו הופך את הטוקנים האלה לצליל, ושכבת האווטאר צורכת את אותו זרם כדי ליצור את התמונה. שיתוף של זרם טוקנים אחד הוא מה ששומר על הקול, תנועת השפתיים וההבעה מסונכרנים; אין מעבר נפרד לסנכרון שפתיים שמתווסף בדיעבד.

אז: Muse Realtime Voice הוא שכבת השיחה. Muse Realtime Avatar הוא שכבת ההתגלמות הבנויה מעליו. אף אחד מהם אינו הדבר שאליו אפשר להתקשר.

היה זהיר באותה מידה לגבי שם סמוך, כי הוא השם שסביר ביותר להתבלבל בינו לבין כל אחד מהשניים. Muse Voice Transcribe היא נקודת קצה לתמלול — מוצר שונה לחלוטין. התיעוד למפתחים של Meta חד-משמעי: "הוא מיועד לתמלול דיבור בלבד; הוא אינו מסנתז דיבור ואינו מספק API לשיחה מדיבור לדיבור." היא מחזירה חותמות זמן ברמת תור ולא ברמת מילה, ו-Meta מציינת אותה במחיר $0.18 לשעה באותו עמוד. זוהי נקודת קצה אמיתית ומתומחרת. זה אינו קול, ובוודאי שאינו אווטאר.

מודל Muse שאכן ניתן להפעיל הוא Meta Muse Spark 1.2, מודל החשיבה ש-Meta מספקת עם חלון הקשר של מיליון טוקנים וקלט של טקסט, תמונה, וידאו, קובץ ואודיו. אפשר לנתב אותו כאן היום, במחיר המחירון של הספק וללא כל תוספת, עם אותו מפתח כמו כל השאר בקטלוג, והכרטיס החי שלו מציג את המפרט המלא. איננו מציעים את Muse Realtime Avatar. בדקנו שוב את רשימת המודלים החיה בזמן כתיבת השורות האלו, והרשומות היחידות של Muse בה הן שני הצ'קפוינטים של Spark, 1.2 וקודמו, 1.1. כל ניסוח מרוכך מזה — שהמשפחה "זמינה חלקית" — ירמוז שאנחנו מנתבים משהו שאיננו מנתבים.

הטכנולוגיה, כפי שמנוסחת במונחיה של מטא עצמה

התיאור של Meta את הארכיטקטורה תמציתי מספיק כדי לצטט אותו במקום לנסח אותו מחדש. Muse Realtime Avatar הוא "שנאי דיפוזיה מונע אודיו המותנה בזרם אסימוני דיבור, במדיה ייחוסית ובחלון מתגלגל של לטנטים של וידאו אחרונים," והוא "יוצר וידאו במקטעים סיבתיים קצרים." המחצית השנייה של המשפט הזה היא החלק הנושא את המשקל: עם השלמתו של כל מקטע, הלטנטים החדשים ביותר שנוצרו בו הופכים להקשר התנועה של המקטע הבא. הסיבה ש-Meta מציינת היא רציפות — המראה והמניירות של האווטאר ממשיכים הלאה בין תורות השיחה בעוד שהחישוב נשאר חסום, וזה מה שמאפשר ליצירה להימשך כל עוד השיחה נמשכת, במקום להיסחף או לאזול בתקציב.

מנגנון הוכחת המקור שייך לאותה פסקה, מפני ש-Meta מציגה אותו כחלק מהמערכת ולא כדבר שהוסף בדיעבד: וידאו שנוצר נושא סימן מים עמיד ובלתי נראה שמוחל באמצעות Meta Video Seal, שלדברי Meta אינו מוסיף השהיה לנתיב בזמן אמת.

Meta מדדה את הדבר הזה ופרסמה עבורו ארבעה נתונים. הנתונים האלה — וההסתייגויות הספציפיות שכל אחד מהם דורש, כולל זו שנשמעת כמו האצה ואינה כזו — שייכים לכתיבת ההשקה, שנושאת אותם עם ההקשר שלהם בשלמותו. אנחנו לא מתכוונים לחזור כאן על המספרים החשופים, כי מספר חשוף הוא בדיוק מה שהגרסה המסויגת נועדה למנוע.

סיקרנו את ההכרזה באותו היום במאמר ההשקה שלנו על Muse Realtime Avatar, והוא נותר המקום שבו אפשר לקרוא את הטענות המאופקות במלואן.

מה שהשם אינו

שלושה שכנים כוזבים ראוי לשלול בזה אחר זה, מפני שכל אחד מהם הוא ניחוש סביר על סמך השם בלבד.

• זה לא Muse Voice Transcribe. נקודת הקצה הזו ממירה דיבור לטקסט, ולפי התיאור של Meta עצמה, היא אינה עושה דבר בכיוון ההפוך. אם מה שאתה צריך הוא תמלול, Meta מוכרת אחד כזה וזה דבר אחר במחיר אחר.

• זה אינו שירות שיבוט קולי. אין בדפים של Meta שום תיאור של סינתזה של קולו של אדם מסוים, מכירת מודל קולי, או קבלת דגימת קול ממשתמש. שכבת הקול מתוארת כמייצרת זרם טוקנים; שכבת האווטאר מתוארת כצורכת זרם כזה. צורת המוצר שביטוי זה מרמז עליה בדרך כלל — העלאת דגימה, קבלת שיבוט — אינה מה שמתואר כאן, וחומרי ההדגמה ש-Meta אכן מפרסמת ממוסגרים כמחשה ליכולתו של המודל.

• זה אינו אווטאר צרכני באפליקציה של Meta עצמה. Meta מצרפת לדוגמאות שלה הסתייגות שקל לפספס וראויה להישמר: ההדגמות "ממחישות את יכולת המודל ולא כולן משקפות אווטארים הזמינים באפליקציית Muse," ו-Muse מיועדת למשתמשים בני 18 ומעלה. קראו זאת כפשוטו. חלק ממה שהפוסט מציג הוא יכולת, לא מלאי.

כדאי להפריד שם רביעי מסיבה אחרת. Muse Realtime Avatar אינו Muse Video, מודל יצירת הווידאו שיושב בלוח דירוג ציבורי במשך רוב השנה הזו מבלי ששוחרר. העמוד שלנו על המצב הזה — Muse Video: תאריך יציאה, גישה ל-API, ומה Meta Connect עשויה לשנות — נושא מגבלה שנחזור עליה כאן כלשונה במקום לשפר אותה: כל עמוד שמצטט יום השקה ספציפי או מחיר עבור Muse Video בלי הכרזה חדשה יותר של Meta הוא ספקולציה. אותה משמעת חלה על נושא העמוד הזה, ולכן העמוד הזה לא מצטט אף אחד מהם. הכתבה ההיא גם מספקת את התאריך שאסור לנו לבלבל: Muse Video מוצג בתצוגה מקדימה ב-7 ביולי 2026 ולא שוחרר, וזו הסיבה שחיפוש אחר המשפחה הזו מעלה תאריכים ששייכים למודל אחר.

למה מיועד הדף הזה, ומה ישנה אותו

הסיבה לכך שעמוד עזר הוא הצורה הנכונה כאן ניתנת למדידה. ב-28 הימים עד 25 בספטמבר 2026, המונח המדויק הניב 164 חשיפות בנכס החיפוש שלנו ואפס קליקים, כשהמיקום הטוב ביותר שלו היה 9.3. יותר מחמישים מהעמודים שלנו מזכירים את המקטע במקום כלשהו, וכמעט כל התנועה הזו נוחתת על פוסט הכרזה אחד. מונח עם ביקוש אמיתי ומתמשך, שמדורג ממש מחוץ לעמוד הראשון ולא ממיר אף אחד, אינו בעיית ביקוש או בעיית איכות — זו בעיית עמוד. לא היה עמוד שהנושא שלו היה המודל עצמו. זהו אותו עמוד.

העמדה היא גם הסיבה לכך ששום דבר כאן אינו מוצג כחדשות. קורא שמגיע מחיפוש שם רוצה שלושה דברים לפי הסדר: מה זה, האם זה זמין, ועל מה זה בנוי. עליהם עונים למעלה, לפי הסדר הזה, בלי להמציא תאריכים ובלי לנקוב בשם של מתחרה.

מה שישנה את העמוד הוא הכרזה אחת. אם Meta תפרסם נקודת קצה, מחיר, רשימת המתנה או תאריך עבור Muse Realtime Avatar, מדור הזמינות מפסיק להיות "לא" והופך למפרט, והעמוד הזה ייכתב מחדש ולא יתווסף לו. אם Meta תשיק את Muse Video, הפסקה שלמעלה תשתנה בהתאם. עד שאחד מהשניים יקרה, המהלך המועיל למפתח הוא זה הלא-זוהר: להשאיר את הממשק שכבר יש לך מכוון למודל שאתה יכול להגיע אליו בפועל. כל מודל בקטלוג, כולל Meta Muse Spark 1.2, יושב מאחורי נקודת קצה אחת תואמת OpenAI ומפתח אחד, מה שאומר שלנסות את החלק הקיים במשפחה הזו עולה לך שינוי במחרוזת מודל ולא חוזה חדש. כאשר שכבת ההתגלמות תהפוך לניתנת לקריאה, עלות המעבר אמורה להיות מחרוזת גם כן.