A app autónoma de AI da Meta faz da voz e da continuidade entre dispositivos o frontend

Uma app, quatro superfícies e um intervalo de transição deliberado

A Meta já executa o seu assistente dentro do WhatsApp, Instagram, Facebook e Messenger. A nova app autónoma é uma quinta superfície, e também absorve a app companheira Meta View para os óculos Ray-Ban Meta — fundindo a gestão de dispositivos numa nova secção Devices, onde os óculos emparelhados, definições e conteúdos dos utilizadores existentes transitam automaticamente.

O detalhe interessante é onde a continuidade termina. Pode iniciar uma conversa nos óculos e continuá-la na app ou na web. Pode alternar entre a app e a web em ambos os sentidos. Mas não pode começar na app ou na web e continuar nos óculos. Essa assimetria é claramente indicada no anúncio, e revela que a arquitetura de sincronização flui a partir dos óculos para fora, em vez de tratar as três superfícies como pares equivalentes.

Para uma empresa que posiciona os óculos como "a categoria de hardware mais empolgante da era da AI", construir o modelo de continuidade em torno deles é uma aposta coerente — mas significa que o frontend ainda não é uma malha simétrica de dispositivos.

A voz como predefinição, com o microfone visível

A Meta descreve a voz como "a forma mais intuitiva de interagir" e constrói a app em torno de iniciar uma conversa com um único botão. Existe uma definição "Ready to talk" para deixar a voz ativa por defeito e — de forma notável — um ícone visível que indica quando o microfone está em uso. Num dispositivo que vive no bolso e se liga a óculos com câmara, tornar visível o estado do microfone é uma decisão de frontend sobre confiança, não apenas estética.

A app disponibiliza dois percursos de voz distintos. A experiência padrão usa o Llama 4 para respostas mais conversacionais. Em separado, existe uma demonstração full-duplex opcional que gera voz diretamente, em vez de ler texto escrito em voz alta.

Não tem acesso à web nem a informação em tempo real, mas quisemos dar uma perspetiva do futuro ao permitir que as pessoas experimentem isto. Poderá encontrar problemas técnicos ou inconsistências, por isso continuaremos a recolher feedback para nos ajudar a melhorar a experiência ao longo do tempo.Montana Labs

Lançar a funcionalidade full-duplex como uma demonstração explicitamente identificada e opcional — isolada do acesso à web e assinalada como inconsistente — é uma forma honesta de lançar uma capacidade ainda inacabada. Permite à Meta recolher dados reais de utilização sem apresentar geração de voz experimental como qualidade de produção.

Personalização extraída de dados existentes da Meta, restringida por geografia

A proposta de personalização da app apoia-se no grafo de conta já existente da Meta. O Meta AI consegue lembrar-se de coisas que lhe diz, reter contexto e — a parte substancial — recorrer ao seu perfil e ao conteúdo de que gosta ou com que interage nos produtos da Meta. Ao associar o Facebook e o Instagram no mesmo Accounts Center, a app recorre a ambos.

É aqui que o mapa de lançamento do anúncio importa. As respostas personalizadas estão ativas apenas nos EUA e no Canadá. As conversas por voz, incluindo a demonstração full-duplex, cobrem os EUA, o Canadá, a Austrália e a Nova Zelândia. Tanto a proposta central de personalização como o modo de interação principal estão, no lançamento, limitados regionalmente, o que significa que a app que a maioria das pessoas pode descarregar não é a app que está a ser descrita.

O feed Discover transforma os prompts num objeto social

A app inclui um feed Discover para partilhar e explorar a forma como outras pessoas usam a AI — pode ver prompts partilhados por outros e adaptá-los. A Meta sublinha que nada é publicado no seu feed sem que o escolha. Este é o movimento mais característico da Meta neste lançamento: aplica o padrão de feed social que a empresa domina melhor do que ninguém ao próprio ato de interagir com um assistente.

O mesmo feed aparece na interface web, que também passa a ter voz, uma experiência melhorada de geração de imagens com predefinições de estilo e iluminação e — em alguns países em fase de testes — um editor de documentos completo que exporta para PDF, além de importação de documentos para análise.

O que as regras de transição indicam para quem constrói assistentes multi-superfície

A implicação específica deste lançamento é que a Meta está a construir o frontend do seu assistente como um conjunto de superfícies ligadas de forma desigual, e não como uma camada uniforme. A transição unidirecional dos óculos, as restrições região a região da voz e da personalização, e o teste do editor de documentos exclusivo da web indicam, todos, uma empresa que lança funcionalidades onde a infraestrutura subjacente já está pronta, em vez de esperar por paridade entre superfícies.

Para equipas que estão a conceber as suas próprias experiências de AI multi-dispositivo, a lição útil está nas restrições que a Meta optou por declarar abertamente: identificar o modo de voz experimental, mostrar o indicador do microfone e ser explícito sobre quais os percursos de retoma que funcionam. Um assistente multi-superfície define-se menos pelo seu modelo e mais pela honestidade das suas costuras — e esta primeira versão documenta essas costuras em vez de as esconder.