Meta 发布实时语音感知模型 Muse Voice Transcribe

9 月 2 日，Meta Superintelligence Labs 正式发布首个实时音频感知模型 Muse Voice Transcribe，在流式语音转文字（ASR）任务上达到 SOTA 水平。据 Artificial Analysis，该模型在 AA-WER Streaming 基准上以 3.1% WER 夺得最终转录准确率第一，处理延迟很低。这是 Meta 将语音转写升级为 AI 系统实时感知层的第一款产品，由 finkd 官宣，多位独立观察者（如 @rohanpaulai、@bowenc0221）密集转发，Alexandr Wang 同日发文介绍（其帖中称由 Scale AI 推出），被视为 Scale AI 与 Meta 整合后的标志性成果。模型已通过 Meta 模型 API 开放试用，并已在 Meta 桌面应用（如 macOS 版 Meta AI）和 Muse Code 中可用；据 @SumitGup 转述，定价约为每 1000 分钟语音 3 美元。

已确认

• 模型核心能力由 Meta 官方账号 @AIatMeta 确认：低延迟实时流式 ASR、说话人分离（支持 20+ 说话人）、端点检测（endpointing），三者由单一模型原生集成
• 训练覆盖 70+ 种语言，首发支持 25 种（@bowenc0221 称其中 25 种已验证），具备多语言无缝语码转换能力，可处理句内语码转换
• 支持长达 1 小时以上的长时音频处理
• 支持通过语言、关键词、上下文进行偏置（biasing）以提升识别准确率
• @AIatMeta 补充技术细节：模型在速度与准确性的权衡上达到帕累托最优，采用自适应延迟机制——简单词汇快速输出、困难词汇等待更久，该特性通过结合词错误率和延迟奖励的强化学习训练实现
• 据 @testingcatalog，模型已上线 Meta 模型 API，提供零数据保留（zero data retention）层级，并可在 Meta 桌面应用和 Muse Code 中使用
• 据 @SumitGup 转述，成本约为每 1000 分钟语音 3 美元

尚未确认

• 发布主体表述存在分歧：Alexandr Wang 与 @rohanpaulai 等多位转发者称由 Scale AI 推出，而 Meta 官方 @AIatMeta 及智东西等媒体明确归属 Meta Superintelligence Labs，两者关系或与 Scale AI 并入 Meta 后的品牌口径有关，帖内材料未完全澄清

为什么重要

• 实时 ASR + 说话人分离 + 端点检测三项能力原生集成在单一模型中，省去传统流水线拼接，对实时翻译、会议记录、语音助手等场景有直接应用价值
• 20+ 说话人分离和句内语码转换是此前同类模型的常见短板，Meta 此举直接瞄准多语言、多人对话的真实场景
• 自适应延迟与 RL 训练范式为流式 ASR 的速度-精度权衡提供了新解法
• 每千分钟约 3 美元的低定价加上零数据保留层级，降低企业成本与隐私合规门槛，显示 Meta 面向商业 API 服务的布局

2026-09-02 ~ 2026-09-02 · 18 条相关

• Meta 发布 Muse Voice: 70+ 语言实时语音转录模型 — bowenc0221 · 2026-09-02
• Meta Muse Voice 模型登陆 API，支持零数据保留 — testingcatalog · 2026-09-02
• 【源头】Muse Voice Transcribe：自适应延迟平衡速度与精度 — AIatMeta · 2026-09-02
• 【源头】Meta 发布 Muse Voice Transcribe：支持 20+ 人声分离 — AIatMeta · 2026-09-02
• Meta发布实时语音模型Muse，支持20人说话人分离 — bowenc0221 · 2026-09-02
• MSL 发布 Muse Voice Transcribe:实时流式语音感知模型 — bowenc0221 · 2026-09-02
• Scale AI 发布 Muse Voice：实时语音转文字 SOTA — alexandr_wang · 2026-09-02
• 【源头】Meta 推出 Muse 语音转写：准确率登顶 — ArtificialAnlys · 2026-09-02
• MSL 发布 Muse Voice 实时语音转写模型 — bowenc0221 · 2026-09-02
• Meta 发布 Muse 语音转录，实时低延迟能分离 20 人说话 — shuchaobi · 2026-09-02
• Meta 新推实时语音模型,每千分钟仅 3 美元 — SumitGup · 2026-09-02
• Meta 发布 Muse Voice Transcribe:流式语音转写词错率低至 3.1% — rohanpaul_ai · 2026-09-02

另有 6 条近重复转述:bowenc0221 · rohanpaul_ai · 智东西 · aigclink · jffwng · alexandr_wang