Meta Superintelligence Labs เปิดตัว Muse Voice Transcribe โมเดลเสียงพูดแบบเรียลไทม์
เริ่มตรงนี้
Meta Superintelligence Labs เปิดตัว Muse Voice Transcribe โมเดลการรับรู้เสียงแบบเรียลไทม์ตัวแรกของบริษัท โดยรองรับการรู้จำเสียงพูดแบบสตรีมมิ่ง การแยกผู้พูดสำหรับผู้พูดมากกว่า 20 คน และการตรวจจุดสิ้นสุดของเสียง โดยประมวลผลเสียงเป็นชุดละ 80 มิลลิวินาที Meta ระบุว่าการเรียนรู้แบบเสริมกำลังช่วยให้โมเดลแลกเปลี่ยนความแม่นยำกับความหน่วงได้อย่างปรับเปลี่ยนตามสถานการณ์ โมเดลนี้ฝึกด้วยภาษามากกว่า 70 ภาษา โดยมี 25 ภาษาที่ผ่านการตรวจสอบอย่างละเอียดและแนะนำให้ใช้ในการเปิดตัวครั้งแรก ส่วนภาษาอื่นก็รองรับเช่นกัน Meta ระบุว่า ณ วันที่ 1 กันยายน 2026 โมเดลนี้อยู่ในอันดับหนึ่งบน Artificial Analysis สำหรับการถอดเสียงพูดเป็นข้อความแบบสตรีมมิ่ง และบนเกณฑ์มาตรฐานการแยกผู้พูดแบบสาธารณะ
สร้างจากรายงาน · อัปเดต 3 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Meta AI Research BlogคัดสรรMeta Superintelligence Labs เปิดตัวโมเดลเสียงแบบเรียลไทม์ Muse Voice Transcribe
Meta Superintelligence Labs เปิดตัว Muse Voice Transcribe โมเดลรับรู้เสียงแบบเรียลไทม์ตัวแรกของบริษัท ซึ่งทำงาน ASR แบบสตรีมมิ่ง การแยกผู้พูด (diarization) สำหรับผู้พูด 20+ คน และการตรวจจุดสิ้นสุด (endpointing) โมเดล autoregressive จากตระกูล Muse Spark นี้ประมวลผลเสียงเป็นชิ้นละ 80ms และใช้ reinforcement learning เพื่อปรับสมดุลระหว่างความแม่นยำกับความหน่วงอย่างยืดหยุ่น โดยฝึกบนภาษา 70+ ภาษา ซึ่งมี 25 ภาษาที่ผ่านการตรวจสอบอย่างละเอียด Meta ระบุว่าโมเดลนี้อยู่ในอันดับหนึ่งบน Artificial Analysis สำหรับการถอดเสียงพูดเป็นข้อความแบบสตรีมมิ่ง และบนเกณฑ์มาตรฐานการแยกผู้พูดแบบสาธารณะ ณ วันที่ 1 กันยายน 2026
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 9
- จุดสูงสุดในช่วงที่เทียบได้
- 1016 พฤศจิกายน 13:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู