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
- Cohere Labs 智能体团队构建方法降本 70%，兼顾效率 — Cohere_Labs · 2026-11-02
- Ыég especial: 长文析 AI 价值在效率之后：Infra 必然过剩，应用层基建正当时 — yangyi · 2026-11-02
- 开源 offprompt：MCP 服务器让 Agent 请求密钥却永远看不到明文 — Vast_Ad_7338 · 2026-11-02
- Reddit 讨论：把 OOP 公有方法直接变成 AI Agent 可调用的工具 — out_of_nowhere__ · 2026-11-02
- DeepSeek 设计文档：一人只能盯 3-5 个 agent 会话，瓶颈不再是模型 — heyshrutimishra · 2026-11-02
- 资深工程师谈 AI 编码：软件工程功底决定 agent 输出质量 — bendee983 · 2026-11-02