Meta gir AI-agentene en stemme: Nå skal du kunne snakke naturlig med Muse

Meta tar et nytt steg mot mer personlige AI-assistenter. Selskapets Muse-agenter får nå stemmer, muntlige samtaler og mer uttrykksfulle avatarer. Målet er at brukerne skal kunne snakke med AI-en omtrent som med en annen person, uten å måtte formulere den perfekte teksten først.

Tiden da en AI-assistent først og fremst bestod av et tekstfelt, kan være på vei mot slutten.

Meta utvider nå Muse med støtte for talesamtaler. Brukerne skal kunne velge en stemme til sin personlige AI-agent og deretter kommunisere muntlig med agenten i stedet for å skrive alle spørsmål og instruksjoner.

Det høres kanskje ut som en relativt liten oppgradering.

I praksis peker utviklingen mot en langt større endring i hvordan teknologiselskapene forestiller seg at vi skal bruke kunstig intelligens.

AI skal ikke nødvendigvis lenger være et verktøy vi setter oss ned foran.

Den skal bli noe vi snakker med mens vi arbeider, tenker og planlegger.

Du trenger ikke lenger finne den perfekte prompten

En av utfordringene med dagens generative AI er formuleringen av selve spørsmålet.

Brukeren vet kanskje hva målet er, men ikke nødvendigvis hvordan forespørselen bør skrives for å få et godt resultat.

Meta mener stemmestyring kan redusere denne terskelen.

Selskapet peker på at det noen ganger er enklere å tenke høyt. I stedet for å bruke tid på å konstruere en presis prompt skal brukeren kunne snakke gjennom en idé med Muse og la ideen utvikle seg underveis i samtalen.

Det kan gjøre interaksjonen med AI betydelig mer naturlig.

I stedet for:

skriv → vent → les → skriv nytt spørsmål

kan kommunikasjonen i større grad bli:

snakk → lytt → svar → fortsett samtalen.

Forskjellen er viktig fordi muntlige samtaler gjerne er mer spontane enn skriftlig kommunikasjon.

Vil hjelpe deg med jobbintervjuet

Meta ser flere praktiske bruksområder for den nye funksjonen.

Et område selskapet trekker frem er forberedelser knyttet til arbeidslivet.

Brukeren skal for eksempel kunne benytte Muse til å øve på et jobbintervju, gå gjennom en presentasjon eller teste en salgspitch.

Dette er oppgaver hvor stemme faktisk gir AI-en en klar fordel sammenlignet med tradisjonell tekstchat.

Det er én ting å skrive ned hva du skal si på et jobbintervju.

Det er noe helt annet å faktisk si det høyt og måtte reagere på et oppfølgingsspørsmål med en gang.

På samme måte kan en presentasjon se perfekt ut på skjermen, mens selve fremføringen fortsatt trenger arbeid.

En AI-agent som deltar muntlig kan derfor fungere mer som en digital sparringspartner enn en tradisjonell chatbot.

Avatarene skal også reagere

Meta stopper ikke ved stemmen.

Avatarene til Muse skal også bli mer uttrykksfulle mens de snakker.

Ifølge selskapet kan avatarene bruke subtile ansikksuttrykk og bevegelser som tilpasses tonen i samtalen. Avatarene skal også reagere mens brukeren snakker, for å signalisere at agenten følger med.

Brukeren får samtidig kontroll over hvor synlig AI-karakteren skal være.

Det skal være mulig å velge mellom kun stemme, å vise avataren sammen med samtalen eller å bruke en fullskjermvisning der interaksjonen blir mer ansikt-til-ansikt-lignende.

Dermed forsøker Meta å skape noe som ligger et sted mellom chatboten, den digitale assistenten og en virtuell personlighet.

Du kan velge hvordan AI-en skal høres ut

Personlig tilpasning er en sentral del av satsingen.

Brukerne skal kunne gi sin Muse-agent en tilpasset stemme. Kildesaken trekker frem eksempler som en New York-aksent eller å få agenten til å høres ut som en pirat.

Det kan høres gimmickpreget ut, men konseptet viser hvor Meta ønsker å gå.

Hvis AI-agenter skal brukes regelmessig, kan selskapene ønske at brukeren skal etablere en sterkere personlig tilknytning til sin egen agent.

Da handler personalisering ikke bare om hva AI-en vet.

Det handler også om hvordan AI-en ser ut, snakker og oppfører seg.

Men Meta har prøvd lignende før

Det er samtidig god grunn til å være skeptisk til om brukerne faktisk ønsker dette.

Meta har tidligere forsøkt å koble AI-chatboter til kjente personligheter.

I 2023 introduserte selskapet kjendisinspirerte AI-chatboter i Messenger. Tanken var blant annet at brukerne kunne kommunisere med AI-personligheter som svarte i stil med forskjellige kjendiser. Interessen ble svak, og funksjonen ble avviklet mindre enn ett år senere.

Selskapet ga likevel ikke opp ideen.

I 2024 testet Meta en lydvariant der selskapet blant annet brukte stemmer fra skuespillere som Judi Dench, Keegan-Michael Key og Awkwafina.

Også denne satsingen fikk problemer.

Ifølge omtalen rapporterte The Wall Street Journal i 2025 at enkelte brukere benyttet funksjonen til å produsere eksplisitt innhold med kjendislignende stemmer. Funksjonen ble senere avviklet før en større utrulling.

Historikken viser at ideen om personlige AI-stemmer langt fra er problemfri.

Denne gangen er ideen litt annerledes

er likevel ikke nødvendigvis en gjentakelse av kjendischatbotene.

Den viktige forskjellen er nytteverdien.

Hvis stemmen først og fremst er en morsom effekt, kan brukeren raskt miste interessen.

Men dersom muntlig kommunikasjon faktisk gjør det enklere å:

  1. forberede et jobbintervju
  2. øve på en presentasjon
  3. diskutere en idé
  4. planlegge et prosjekt
  5. utvikle en pitch
  6. tenke høyt sammen med AI

blir funksjonen noe helt annet.

Da er stemmen ikke produktet.

Stemmen er grensesnittet til AI-en.

Det kan være en langt sterkere idé.

AI beveger seg bort fra tekstboksen

Utviklingen hos Meta passer samtidig inn i en større trend i AI-markedet.

Tekstgrensesnittet har vært avgjørende for den første bølgen med generativ AI.

Det har fungert fordi alle forstår hvordan man skriver i en chat.

Men tekst er ikke nødvendigvis den mest naturlige måten å kommunisere på.

Mennesker bruker stemme, tonefall, pauser, bilder, bevegelser og kontekst når vi snakker med hverandre.

Derfor forsøker AI-selskapene stadig oftere å gjøre modellene multimodale.

AI-en skal ikke bare forstå hva du skriver.

Den skal kunne høre deg, se bilder, forstå video, snakke tilbake og etter hvert reagere mer dynamisk på situasjonen.

representerer nettopp denne utviklingen.

Fra chatbot til digital kompanjong

Det interessante spørsmålet er hva som skjer når disse elementene kombineres.

En AI med:

  1. langtidshukommelse
  2. personlig stemme
  3. visuell avatar
  4. tilgang til kalender og dokumenter
  5. forståelse av bilder og video
  6. sanntidssamtaler

vil oppleves svært annerledes enn dagens tekstbaserte chatboter.

Brukeren kan begynne en samtale på vei til jobb, fortsette på datamaskinen senere på dagen og få AI-en til å huske hva som ble diskutert.

Da begynner uttrykket AI-agent virkelig å få en annen betydning.

AI-en blir mindre lik en søkemotor og mer lik en digital medarbeider eller personlig assistent.

Stemme gjør AI mer tilgjengelig

Det finnes også et tilgjengelighetsaspekt.

Ikke alle liker å skrive lange instruksjoner.

Noen tenker bedre når de snakker.

Andre kan ha fysiske eller språklige utfordringer som gjør muntlig kommunikasjon enklere enn tastaturbasert interaksjon.

Stemmestyring kan derfor gjøre avansert AI tilgjengelig for langt flere mennesker.

Men det forutsetter at teknologien fungerer godt i praksis.

En talesamtale mister raskt verdi dersom AI-en misforstår, svarer for sent eller stadig avbryter brukeren.

Kvaliteten på selve dialogen blir derfor minst like viktig som kvaliteten på stemmen.

De store spørsmålene kommer etterpå

Når AI-assistentene blir mer menneskelignende, oppstår samtidig nye problemstillinger.

Hvor menneskelig bør en digital agent egentlig fremstå?

Hvor tydelig skal det være at brukeren snakker med en maskin?

Hva skjer dersom en bruker utvikler en sterk følelsesmessig tilknytning til en AI-karakter?

Og hvordan skal personvern håndteres dersom agenten kontinuerlig lytter til samtaler eller får stadig større tilgang til personlig informasjon?

-lanseringen besvarer ikke alle disse spørsmålene.

Men funksjonene viser hvorfor diskusjonen snart kan bli nødvendig.

Meta satser på at vi faktisk vil snakke med AI

Den store testen blir uansett om brukerne ønsker dette.

Historikken viser at Meta tidligere har bommet når selskapet har forsøkt å gjøre AI-personligheter og kjendislignende stemmer attraktive for vanlige brukere.

Denne gangen kan situasjonen være annerledes.

AI har på kort tid fått en betydelig større rolle i arbeid, utdanning, programmering og kreativt arbeid.

Dermed handler spørsmålet ikke nødvendigvis lenger om hvorvidt mennesker ønsker å snakke med en digital karakter for moro skyld.

Spørsmålet kan være om stemme er en mer effektiv måte å arbeide sammen med AI på.

Hvis svaret er ja, kan utviklingen få langt større betydning enn en ny funksjon i Muse.

Da kan tastaturet etter hvert miste rollen som det viktigste grensesnittet mellom mennesker og kunstig intelligens.

Les også

AI / KI Skal vurdere konsekvensen av KI for grunnleggende sikkerhetsinteresser AI / KI Norge og Storbritannia inngår strategisk KI-allianse: Skal løfte sikkerhet og felles teknologiutvikling AI / KI Hva skal Norge egentlig bli gode på innen kunstig intelligens? AI / KI Apple vil gjøre Siri til en ekte AI-agent: Skal kunne gjøre jobben for deg