Meta prezanton një model zëri në kohë reale që transkripton 20 folës
Meta të martën prezantoi Muse Voice Transcribe, modelin e saj të parë audio në kohë reale, i cili mund të transkriptojë diktimin dhe bisedat që përfshijnë më shumë se 20 folës në gjuhë të shumta.
Modeli është i disponueshëm tani përmes Model API-t të Meta-s dhe brenda Muse Code, dhe Meta tha se njerëzit mund ta përdorin atë edhe në aplikacionin Meta AI për Mac të publikuar së fundmi.
Drejtori ekzekutiv Mark Zuckerberg e demonstroi sistemin në një postim në X, duke treguar se ai bën dallimin midis folësve në kohë reale dhe ndërrimin midis gjuhëve brenda të njëjtës bisedë.
Zuckerberg tha se modeli mund të kapë edhe ndërrimin e kodit në mes të fjalive, duke transkriptuar fraza që kombinojnë fjalë nga gjuhë të shumta.
“Modeli vendos se kur të dëgjojë. Ai pret pak më gjatë për fjalët e vështira dhe kryen më shpejt ekzekutimin e tyre për ato të lehtat, duke përdorur vonesë adaptive për të parashikuar çdo shenjë dhe për të rritur saktësinë”, shkroi Zuckerberg në X.
Ai tha se modeli është trajnuar në më shumë se 70 gjuhë, me 25 të validuara në lançim, dhe mund të përballojë “audio të çrregullt dhe të vërtetë”, si dhe seanca njëorëshe me më shumë se 20 folës.
Meta e përshkroi Muse Voice Transcribe si modelin e parë të perceptimit audio në kohë reale të Meta Superintelligence Lab, me diarizimin e folësit dhe endpointing të integruar në një model të vetëm.
Lansimi erdhi më pak se një javë pasi Google prezantoi Gemini 3.5 Transcribe, një model audio me aftësi të ngjashme.
Meta nuk ka përshkruar planet për të integruar Muse Voice Transcribe në shërbimet e saj kryesore për konsumatorët, por kompania tha se aplikacioni Meta AI për Mac mund t’i zgjerojë veçoritë e diktimit të modelit në aplikacione të tjera.
Alexandr Wang tha në një postim në X se modeli tashmë po fuqizonte diktimin në aplikacionin Meta për desktop dhe Muse Code.
Meta i vendosi çmimin Muse Voice Transcribe me 3 dollarë për 1,000 minuta audio dhe publikoi një demo në blogun e saj të kërkimit.
Muse Voice Transcribe është produkti më i fundit nga Meta Superintelligence Lab, i cili në javët e fundit ka prezantuar gjithashtu një agjent kodimi të dedikuar, një model me peshë të hapur dhe aplikacionin Meta AI për Mac.