Meta Superintelligence Labs phát hành mô hình giọng nói thời gian thực Muse Voice Transcribe
Introducing Muse Voice Transcribe
Meta Superintelligence Labs giới thiệu Muse Voice Transcribe, mô hình cảm nhận âm thanh thời gian thực đầu tiên của mình, thực hiện ASR trực tuyến, phân tách người nói cho hơn 20 người và phát hiện điểm kết thúc. Mô hình tự hồi quy thuộc dòng Muse Spark xử lý âm thanh theo từng khối 80ms và sử dụng học tăng cường để cân bằng thích ứng giữa độ chính xác và độ trễ, đồng thời được huấn luyện trên hơn 70 ngôn ngữ với 25 ngôn ngữ được xác minh kỹ lưỡng. Meta cho biết tính đến ngày 1 tháng 9 năm 2026, mô hình đứng đầu trên Artificial Analysis về chuyển giọng nói thành văn bản trực tuyến và trên các bộ đánh giá chuẩn phân tách người nói công khai.
Meta Superintelligence Labs trình bày chi tiết cách mô hình cảm nhận âm thanh thời gian thực đầu tiên của mình xử lý ASR trực tuyến, phân tách người nói hơn 20 người và chuyển đổi ngôn ngữ, với các lựa chọn thiết kế ở cấp độ token đáng để nghiên cứu.
Nguồn:Meta AI Research Blog · research.meta.ai