Meta 推出 Muse Voice Transcribe，支持多语言及长音频转写

Meta 推出由其超级智能实验室开发的实时音频感知模型 Muse Voice Transcribe，该模型支持实时流式自动语音识别、超 20 位说话人语音分割及端点控制，可处理超 1 小时长音频，支持多语言及无缝语码切换，能通过语言、关键词和上下文偏好提升识别准确率，在相关基准测试中排名第一。它已用 70 多种语言训练，25 种经全面验证，具备自适应延迟功能，可动态平衡速度与准确率，还基于 ASR 构建了说话人分割和语音端点检测功能，可通过 Meta Model API、Mac 版 Meta AI 和 Muse Code 使用，API 有相应定价。语音转写正从独立工具向 AI 系统实时感知层演进，未来竞争核心将聚焦多维度能力并与大模型相关能力融合。