Meta випустила Muse Voice Transcribe для транскрипції мовлення наживо
Meta представила Muse Voice Transcribe — аудіомодель для роботи в реальному часі, створену її підрозділом Superintelligence Labs. Вона транскрибує мовлення, розрізняє до 20 співрозмовників і визначає межі речень в одній системі. Вхідний звук обробляється фрагментами по 80 мілісекунд, а модель щоразу вирішує, чи слухати далі, чи виводити наступне слово. За даними Meta, навчання з підкріпленням дає змогу скорочувати затримку для простих слів і довше обробляти складні.
Модель підтримує понад 70 мов і працює з перемиканням між мовами посеред речення. Підказки щодо мови, ключових слів і контексту можуть підвищити точність, зокрема під час розпізнавання власних назв. Meta заявляє, що визначення мовців і меж речень доступне також у записах тривалістю понад годину без подальшого оброблення.
У тестуванні Artificial Analysis від 1 вересня 2026 року Muse Voice Transcribe показала для англійської частку помилок у словах 3,1% і сформувала фінальну транскрипцію через 0,16 секунди після завершення мовлення. Модель уже працює в Meta AI та Muse Code і доступна через Meta Model API. Вартість становить $0,18 за годину, або $3 за 1000 аудіохвилин. Meta не розкрила кількість параметрів, обсяг навчальних даних і джерела аудіо, а ваги моделі не публікує.
Текст підготовлено ШІ Sakhanda Wire за матеріалом The Decoder. Факти, цитати та повний контекст — в оригінальній статті нижче.