Meta 发布 Muse 实时语音与虚拟形象架构
Meta 公布 Muse Realtime Voice 与 Muse Realtime Avatar，两者通过共享的语音 token 流组成统一流式架构。Voice 生成同时编码内容与韵律的语音 token，Avatar 消费同一 token 流生成流式视频。系统以固定长度历史作为后续分块的动作上下文，使任意长度对话下的计算量保持有界，并同步生成语音、唇动和表情。原文未披露模型规模、延迟数据与开放时间。
推荐理由做实时数字人或语音 Agent 的可以看这套共享 token 流的同步思路