Meta 发布 Muse Voice Transcribe:流式语音转写词错率低至 3.1%
rohanpaul_ai · x · 2026-09-02
Meta 发布 MSL 首个实时语音感知模型 Muse Voice Transcribe,由 finkd 官宣,主打流式语音转写 SOTA:
- 词错率仅 3.1%(最终转写),配合自适应延迟,显著领先竞品。
- 不只是转写:单一模型内原生处理说话人分离(diarization)与端点检测,学会何时等待、何时输出、何时话轮结束。
- 音频按 80ms 分块处理,每块后决定输出文字还是继续听,更接近语音 Agent 的实时感知层而非传统 STT API。
- 已通过 Meta Model API、Meta AI for Mac 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)→
「多模态」频道最新
- 一条 prompt 生成 87 秒粉笔风动画视频,ChatGPT 订阅就能做 — mallow610 · 2026-10-19
- MOSS-Image 文本编码器到底该用哪个?Qwen3-VL-4B 与 3.5-VL-9B 引发混淆 — DietAshamed2246 · 2026-10-19
- 1.9MB LoRA 修复 MOSS-Image SFT 垂直色条纹:非训练而是权重提取 — Nynxz · 2026-10-19
- TensorSharp 新增本地视频工作室:LTX 2.5 图生视频加时间线剪辑与 MP4 导出 — fuzhongkai · 2026-10-19
- 博主实测：Astra 一步生成带配音动画视频，Claude Gemini 均翻车 — mallow610 · 2026-10-19
- LTX 2.5 本地跑通:M5 Pro 48GB 生成 6 秒视频耗时 13 分钟 — fuzhongkai · 2026-10-19