Meta lanza Muse Gadgets: SDK de código abierto para convertir electrónica en dispositivos para Muse

Meta presentó Muse Gadgets, un proyecto de código abierto que permite convertir electrónica económica ya preparada en dispositivos físicos que funcionan con Muse, con SDK para ESP32 y Linux.
Meta ha lanzado Muse Gadgets, un proyecto de código abierto que permite a cualquier persona convertir electrónica económica ya preparada en dispositivos físicos que funcionan con Muse.
El código está publicado en GitHub bajo la licencia Apache 2.0. Hay disponibles dos kits: un firmware ESP32 para placas pequeñas con microcontroladores y un SDK para Raspberry Pi o cualquier ordenador con Linux.
Meta también ha creado su propio dispositivo Muse Home Link. Conecta Muse a la red Wi-Fi doméstica y permite interactuar con dispositivos compatibles que ya tenga el usuario o con dispositivos creados mediante una API HTTP local, como televisores, iluminación e impresoras.
La primera partida consta de 5000 dispositivos. Pueden obtenerse gratuitamente si se tiene una suscripción activa a Muse, pero solo en Estados Unidos. No más de un dispositivo por suscriptor.
Enlaces: repositorio en GitHub, gadgets.muse.ai.
Por qué es importante
AnálisisEl SDK de código abierto y las firmware preparadas para ESP32 y Linux reducen la barrera para crear dispositivos físicos conectados a Muse e integrarlos con la electrónica doméstica.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Rastreador de batería open source para dispositivos inalámbricos junto a la barra de tareas de Windows
Un desarrollador publicó una pequeña utilidad en GitHub que muestra el nivel de batería de ratones, auriculares y otros dispositivos inalámbricos cerca de la barra de tareas de Windows.
Apple Silicon para IA (Serie M y Memoria Unificada)
La arquitectura de los procesadores Apple (M1/M2/M3/M4) con Memoria Unificada (Unified Memory Architecture). Permite que toda la memoria RAM (hasta 128-192 GB) sea accesible para el chip gráfico como VRAM, posibilitando la ejecución de enormes redes neuronales sin tarjetas gráficas de servidor.
GPU o CPU para IA: ¿cuál es la diferencia?
Comparación profunda entre unidades centrales (CPU) y unidades gráficas (GPU) para tareas de aprendizaje automático. Explicación de la diferencia fundamental entre latencia (Latency-oriented) y ancho de banda (Throughput-oriented), ancho de banda de memoria (DDR5 vs HBM3e) y benchmarking en CLI.
OpenMotion: una alternativa open source a CapCut para editar vídeo con agentes de IA
OpenMotion apareció en GitHub como una alternativa completa a CapCut que crea y edita vídeos mediante agentes de IA, plantillas y kits de marca.