ニュース
MetaがMuse Voice Transcribeのリアルタイム音声文字起こしモデルをリリース
Meta社は、リアルタイムストリーミング音声認識、20人以上の話者に対する話者分離、エンドポイント検出を実行でき、25以上の言語とコードスイッチングをサポートするMuse Voice Transcribeをリリースしました。
Meta社は、Meta Superintelligence Labsが開発した初のリアルタイム音声認識モデルである「Muse Voice Transcribe」をリリースした。このモデルは、ストリーミング自動音声認識、20人以上の話者に対する話者分離、およびエンドポイント検出を同時に実行できます。25以上の言語、文内コードスイッチング、言語、キーワード、およびコンテキストバイアスをネイティブにサポートしています。
Muse Voice Transcribeは、Meta Model API、Meta AI for Mac、およびMuse Codeを通じて利用できるようになりました。Meta AIとMuse Codeのワンクリック音声入力機能も、このモデルに切り替わりました。公式ページにはオープンソースのモデルウェイトに関する記載がないため、この製品はオープンソースリリースとはみなされません。