Meta 发布 Muse Voice Transcribe,语义词错率登顶 Pipecat 语音基准
bowenc0221 · x · 2026-09-15
Meta 面向实时语音 Agent 发布了流式语音转写模型 Muse Voice Transcribe,主打准确率与低延迟兼顾,并支持说话人分离(diarization)、关键词偏置、端点检测和混合语言转写。
Pipecat v1.9.0 已加入对其支持。Pipecat 维护的公开开源测试套件(Pipecat STT benchmark)在 1000 段语音输入上计算「语义词错率」(semantic WER)——忽略不影响 LLM 理解的小差异,比传统 WER 更贴近语音 Agent 管线里的真实表现。Muse 在该基准上取得了迄今测过的所有模型中最低的语义词错率。
「编程与Agent」频道最新
- Andrew Chen 吐槽:Agent 时代我有三个待查收件箱 — andrewchen · 2026-09-15
- 侦探小说思想实验：hidden states 携带的信息远多于 token — CShorten30 · 2026-09-15
- oh-my-pi 开源 agent 上下文压缩机制文档详解，已有 31k star — nirmal_dist · 2026-09-15
- RAFT v3.1 开源:用检索增强微调克隆真人写作人格 — jessi_cata · 2026-09-15
- 18 个子 Agent 砍到 1 个：Polylane 称子 Agent 架构本身就是错的 — zeeg · 2026-09-15
- 曝 DeepSeek 开源 deepseek-harness:全插件化编码 agent 框架 — goyalshaliniuk · 2026-09-15