Meta推出实时语音听写模型Muse Voice Transcribe

Meta（META）超级智能实验室推出了一种实时语音识别模型，可以区分20多个说话者，用70多种语言训练，并且可以转录持续一个多小时的对话。

Muse Voice Transcribe被描述为Muse Spark系列的自回归多模式模型。通过以80毫秒的“块”转录，该软件可以确定对话何时出现暂停，Meta称之为“自适应延迟”。该系统可以快速处理更简单的单词，而更困难的单词则获得更多的音频上下文。

Muse Voice Transcribe现在可以通过Meta Model API（每小时0.18美元）、Meta AI for Mac和Meta Code提供。

Meta进入转录领域之前，OpenAI（OPEN）、Google（GOOG）（GOOGL）、xAI（SPCX）和阿里巴巴（BABA）也推出了类似产品。