Meta 发布 Muse Voice Transcribe：流式语音转写 SOTA

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。这是 Meta 从语音转录切入实时音频感知的第一款产品，Scale AI 创始人 Alexandr Wang 同日发文介绍，多位独立观察者（如 @rohanpaulai、@bowenc0221）密集转发，该发布被视为 Scale AI 与 Meta 整合后的标志性成果。

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），三者原生集成于单一模型
• 训练覆盖 70+ 种语言，首发支持 25 种，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

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
• 零数据保留层级降低企业隐私合规门槛，显示 Meta 面向商业 API 服务的布局

2026-09-02 ~ 2026-09-02 · 10 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
• 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
• 【源头】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

另有 2 条近重复转述:bowenc0221 · rohanpaul_ai