科技媒体9to5Mac昨日发布博文,报道称Meta公司推出MuseVoiceTranscribe,这是其首个实时音频感知模型。
开发者可通过MetaModelAPI调用该能力,定价为每1000分钟音频3美元,等同每小时0.18美元。MuseVoiceTranscribe可在包含20余名说话者的录音中分离不同发言者,还能识别说话是否结束,从而自动确定一段输入的边界。模型训练覆盖70余种语言,其中25种语言在发布时完成验证。该模型支持长度超过1小时的音频,也支持句内或句间的自然语言切换。在技术方面,Meta为兼顾实时响应和识别准确度,引入名为自适应延迟的动态决策机制。Meta称,截至2026年9月1日,MuseVoiceTranscribe位列ArtificialAnalysis流式语音转文本排行榜第1名。
本文来自作者[二进制漫叙]投稿,不代表绮畅科技网立场,如若转载,请注明出处:https://www.lorte.cn/5gtx/202609/294.html
评论列表(4条)
我是绮畅科技网的签约作者“二进制漫叙”!
希望本篇文章《Meta发布首款实时音频感知AI,支持20人以上分轨转写》能对你有所帮助!
本站[绮畅科技网]内容主要涵盖:教育咨询,知识百科
本文概览:科技媒体9to5Mac昨日发布博文,报道称Meta公司推出MuseVoiceTranscribe,这是其首个实时音频感知模型。