Meta AI Research Blog·· 5 小時前精選AI 評分78
Meta Superintelligence Labs 發布 Muse Voice Transcribe 即時語音模型
Introducing Muse Voice Transcribe
AI 導讀
Meta Superintelligence Labs 推出 Muse Voice Transcribe,這是其首個即時音訊感知模型,可執行串流 ASR、20 位以上說話者的語者分離與端點偵測。這款來自 Muse Spark 系列的自迴歸模型以 80 毫秒為單位處理音訊,並運用強化學習在準確度與延遲之間自適應權衡;模型以 70 多種語言訓練,其中 25 種經過廣泛驗證。Meta 表示,截至 2026 年 9 月 1 日,該模型在 Artificial Analysis 的串流語音轉文字項目及公開的語者分離基準測試中均排名第一。
推薦理由
Meta Superintelligence Labs 詳細說明其首個即時音訊感知模型如何處理串流 ASR、20 位以上說話者的語者分離與語碼轉換,其 token 層級的設計選擇值得研究。
來源:Meta AI Research Blog · research.meta.ai