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。

AI & Enterprise

Google发布Gemini 3.5语音模型：可在打断后继续对话，Transcribe覆盖85种语言

Google更新语音模型产品线，推出Gemini 3.5 Live、Gemini 3.5 Live Experimental和语音转写模型Gemini 3.5 Transcribe。新模型提升了对话中断处理能力，并带来多语混合识别、实时视觉理解和工具调用等能力；其中，Gemini 3.5 Transcribe覆盖85种语言，语音到文本输出耗时较Chirp 3缩短约70%，实时语音识别错误率降至5.5%。