Meta、AIアシスタント向けリアルタイム音声モデルをリリース
MetaがAIアシスタント向けに音声をリアルタイムで文字起こしする音声モデル「muse voice transcribe」をリリース。価格は1時間あたり$0.18で、70以上の言語に対応。
Metaは、Muse Voice Transcribeをリリースしました。これは、音声を書き起こし、文の境界を検出し、別々のシステムを使用せずに最大20人の話者を識別できるリアルタイムオーディオモデルです。このモデルは、音声を80ミリ秒のチャンクに分割し、難易度に基づいて各単語の遅延を調整し、速度と精度のバランスをとります。価格は、OpenAIやElevenLabsなどの競合他社を下回る0.18ドル/時間で、70以上の言語をサポートしています。Muse Voice Transcribeは、Meta AIで利用可能で、MetaモデルAPIを通じて提供されており、実際の会話を聞き取ることができるAIアシスタントの基礎になると考えられています。