Meta 推出首个实时音频感知模型 Muse Voice Transcribe
2026.09.02 · 产品 · 新模型 · 媒体报道
Meta 发布实时音频感知模型 Muse Voice Transcribe，支持 70+ 语言、20+ 说话人分割，基准
Meta 推出首个实时音频感知模型 Muse Voice Transcribe，集流式 ASR、说话人分割与端点检测于一体，支持 70 多种语言及原生语码切换，可处理 超 1 小时长音频与 20 人以上同时对话，在流式转写和语音分割基准测试中均排名第一。该模型基于强化学习的自适应延迟技术，已集成至 Meta AI 与 Muse Code。
- 实时流式 ASR，80ms 处理单位
- 支持 70+ 语言与原生语码切换
- 可处理超 1 小时长音频与 20+ 人对话
- 基准测试流式转写与语音分割第一
- 已集成至 Meta AI 与 Muse Code
为什么值得看
Meta 首个实时音频感知模型，树立流式转写与说话人分割新标杆。
适合谁关注
语音识别开发者、会议纪要工具用户、AI 助手与多语言应用团队。