Meta推出實時語音聽寫模型Muse Voice Transcribe

Meta（META）超級智能實驗室推出了一種實時語音識別模型，可以區分20多個説話者，用70多種語言訓練，並且可以轉錄持續一個多小時的對話。

Muse Voice Transcribe被描述為Muse Spark系列的自迴歸多模式模型。通過以80毫秒的「塊」轉錄，該軟件可以確定對話何時出現暫停，Meta稱之為「自適應延迟」。該系統可以快速處理更簡單的單詞，而更困難的單詞則獲得更多的音頻上下文。

Muse Voice Transcribe現在可以通過Meta Model API（每小時0.18美元）、Meta AI for Mac和Meta Code提供。

Meta進入轉錄領域之前，OpenAI（OPEN）、Google（GOOG）（GOOGL）、xAI（SPCX）和阿里巴巴（BABA）也推出了類似產品。