Meta 推出首个实时音频感知模型 Muse Voice Transcribe

Meta 推出首个实时音频感知模型 Muse Voice Transcribe，整合流式语音识别、说话人分离与端点检测，支持 20 余人分轨转写及 70 余种语言。模型采用自适应延迟机制，兼顾实时响应与识别准确度，在 Artificial Analysis 流式语音转文本排行榜位列第一。