Meta 发布实时音频模型，用于 AI 助手

meta发布了muse voice transcribe，这是一款实时音频模型，无需单独的系统即可转录语音、检测句子边界并识别多达20位说话者。该模型将音频分割成80毫秒的片段，并根据难度调整每个单词的延迟，在速度和准确性之间取得平衡。其定价为每小时$0.18，低于openai和elevenlabs等竞争对手，并支持超过70种语言。muse voice transcribe现已登陆meta ai，也可通过meta model api获取，被视为能够倾听真实对话的ai助手的基础。