Meta Superintelligence Labs 发布实时音频感知模型 Muse Voice Transcribe
Introducing Muse Voice Transcribe, the first real-time audio perception model from Meta Superintelligence Labs.
Meta Superintelligence Labs 发布 Muse Voice Transcribe，这是其首个实时音频感知模型，支持实时流式 ASR、20 人以上说话人分离和端点检测，并具备多语言与无缝语码切换能力，可通过语言、关键词和上下文偏置提升准确率。该模型在 ArtificialAnlys 流式语音转文字和公开说话人分离基准上排名第一。它属于 Muse Spark 系列的自回归多模态 LLM，音频按 80ms 分块（12.5 Hz）逐 token 处理，结合词错误率和延迟奖励的 RL 实现自适应延迟，已在 Meta Model API、Meta AI for Mac 和 Muse Code 上线。
推荐理由
精选AI 评分 77
Meta 新模型把流式语音识别、说话人分离和自适应延迟放在一起，读者可了解实时音频感知的当前做法。
主题
正文
当前显示原文，中文全文译文尚未就绪。
Introducing Muse Voice Transcribe, the first real-time audio perception model from Meta Superintelligence Labs.
Muse Voice Transcribe delivers real-time streaming ASR, diarization with 20+ speakers, and endpointing. It’s multilingual with seamless code-switching and improves accuracy with language, keyword, and context biasing.
The model ranks first on @ArtificialAnlys streaming speech-to-text and on public diarization benchmarks.