Meta发布实时语音模型Muse，支持20人说话人分离
bowenc0221 · x · 2026-09-02
Meta 发布了 Muse Voice Transcribe，这是其首个流式音频感知模型，集成了 ASR、说话人分离和端点检测功能。该模型支持 70+ 种语言训练（首发 25 种）、长时音频（1小时+）、20+ 说话人以及句内语码转换。其核心贡献是通过强化学习实现了“自适应延迟”，仅在处理困难词汇时增加延迟，从而在速度和准确性上达到新的帕累托前沿。目前已通过 Meta Model API、Mac 版 Meta AI 和 Muse Code 提供使用。
所属事件:Meta 发布实时语音感知模型 Muse Voice Transcribe(18 条相关)→
「模型」频道最新
- 付费 Google AI 订阅撞墙：自定义域名账户被要求转个人账号 — ChrisRackauckas · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18
- 「刷榜式 demo」鉴别法：换用 Mirror's Edge 场景测模型泛化 — teortaxesTex · 2026-10-18