跳到正文
Meta AI Research Blog·· 5 小时前精选AI 评分78

Meta Superintelligence Labs 发布 Muse Voice Transcribe 实时语音模型

Introducing Muse Voice Transcribe

AI 导读

Meta Superintelligence Labs 推出 Muse Voice Transcribe,这是其首个实时音频感知模型,可执行流式 ASR、20 人以上说话人分离和端点检测。该自回归模型来自 Muse Spark 系列,以 80ms 分块处理音频,并使用强化学习在准确率与延迟之间自适应权衡;它基于 70 多种语言训练,其中 25 种经过广泛验证。Meta 表示,截至 2026 年 9 月 1 日,该模型在 Artificial Analysis 的流式语音转文本排名以及公开的说话人分离基准测试中均位列第一。

推荐理由

Meta Superintelligence Labs 详细介绍了其首个实时音频感知模型如何处理流式 ASR、20 人以上说话人分离和语码转换,其 token 级设计选择值得研究。

来源:Meta AI Research Blog · research.meta.ai