Meta 發布即時音訊模型，用於 AI 助手

Meta 發布了 Muse Voice Transcribe，一款實時音頻模型，可以轉錄語音、偵測句子邊界，並在無需單獨系統的情況下識別最多 20 名發言者。該模型將音頻分成 80 毫秒的區塊，並根據難度調整每個字的延遲，在速度和準確性之間取得平衡。它的定價為每小時 0.18 美元，低於 OpenAI 和 ElevenLabs 等競爭對手，並支持超過 70 種語言。Muse Voice Transcribe 可在 Meta AI 和 Meta 模型 API 中使用，被視為可以聆聽真實對話的 AI 助手基礎。