Sakhanda Wire
NVDA $152.08 -2.60% MSFT $505.84 -2.35% GOOGL $279.73 -1.41% META $618.09 -1.33% AMZN $256.12 -0.63%
← К новостям

Meta выпустила Muse Voice Transcribe для расшифровки речи в реальном времени

Meta представила Muse Voice Transcribe — аудиомодель реального времени, созданную подразделением Superintelligence Labs. Она расшифровывает речь, различает до 20 говорящих и определяет границы предложений без отдельных систем для каждой задачи. Входящий звук разбивается на фрагменты по 80 миллисекунд, после чего модель решает, продолжать ли прослушивание или вывести очередное слово. По данным Meta, обучение с подкреплением позволяет ей сокращать задержку для простых слов и дольше обрабатывать сложные.

Модель поддерживает более 70 языков и умеет работать с переключением между языками внутри одного предложения. Подсказки о языке, ключевых словах и контексте могут повысить точность, особенно при распознавании имен собственных. Meta сообщает, что определение говорящих и границ предложений сохраняется в записях продолжительностью более часа без последующей обработки.

В тестировании Artificial Analysis от 1 сентября 2026 года модель показала для английского частоту ошибок в словах 3,1% и выдала итоговую расшифровку через 0,16 секунды после окончания речи. Muse Voice Transcribe уже используется в Meta AI и Muse Code и доступна через Meta Model API. Стоимость составляет $0,18 в час, или $3 за 1000 минут аудио. Meta не раскрыла число параметров, объем обучающих данных и источники аудио, а веса модели не публикует.

Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием The Decoder

Читать оригинал на The Decoder ↗

Репортаж и изображение принадлежат The Decoder и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости