Компанія Meta представила свою першу модель для транскрипції аудіо в реальному часі – Muse Voice Transcribe. Вона здатна одночасно розпізнавати понад 20 співрозмовників, працювати з кількома мовами та автоматично визначати моменти, коли людина переходить з однієї мови на іншу.
Модель Muse Voice Transcribe
Модель розрахована на реальні розмови, де учасники можуть перебивати одне одного, говорити різними мовами або використовувати слова з кількох мов в одному реченні. Muse Voice Transcribe навчали більш ніж на 70 мовах, а на момент запуску її перевірили на 25 із них.
Ця модель штучного інтелекту також використовує адаптивну затримку. Система може довше обробляти складні слова, а прості фрагменти фіксувати швидше. Це має допомогти зберігати баланс між швидкістю транскрипції та точністю.
Новинка з’явилася незадовго після Google Gemini 3.5 Transcribe, яка має схожі можливості. Водночас Meta поки не повідомила, чи інтегрує Muse Voice Transcribe у свої основні сервіси.
Наразі модель доступна в нещодавно запущеному застосунку Meta AI для Mac. Його голосові функції можуть працювати поверх інших програм, тому нова технологія також підходить для диктування тексту в сторонніх сервісах.
Розробники можуть отримати доступ до моделі через Muse Code та Model API. Вартість використання становить $3 за 1000 хвилин аудіо.
