語音轉寫正變成AI系統的實時感知層。

編譯 | ZeR0

編輯 | 漠影

智東西9月2日報道，今日，Meta推出由Meta超級智能實驗室開發的首個實時音頻感知模型Muse Voice Transcribe。

該模型提供實時流式自動語音識別（ASR）、支持超過20位說話人的語音分割以及端點控制功能，支持多語言，能處理超過1小時的長音頻，可實現無縫語碼切換，並通過語言、關鍵詞和上下文偏好來提高識別準確率。

從示例來看，無論是講中文、中式英語口音，還是中英文混合表達，這款模型的轉寫速度和效果都相當不錯。