| 移动网页

搜索关键词 多模态

AI & Enterprise

Meta发布实时语音识别模型Muse Voice Transcribe：可转写20名以上说话人对话，支持多语混说

Meta于9月1日发布实时语音识别模型Muse Voice Transcribe，可在实时转写过程中区分不同说话人，适用于20名以上说话人参与的对话以及多语言、混合语种场景。该模型以80毫秒为单位处理音频，并采用自适应延迟技术。Meta称，其在Artificial Analysis流式语音识别评测中的最终词错误率（WER）为3.1%，API按语音时长计费为每小时0.18美元。