PANews 9月2日消息，據IT之家援引9to5Mac報導，Meta推出首個實時音頻感知模型Muse Voice Transcribe，開發者可透過Meta Model API調用，定價為每1,000分鐘音頻3美元（約合每小時0.18美元）。該模型在同一流程中整合流式自動語音識別、說話人分離與端點檢測，用戶說話時可同步輸出文字，無需等待完整錄音結束後再處理。模型支持70餘種語言（25種已驗證）、超1小時音頻及多語言切換，可在包含20餘名說話者的錄音中分離不同發言者。Meta引入自適應延遲機制，對易識別語音快速輸出，對複雜詞語調用更多上下文以兼顧速度與準確度。截至9月1日，該模型在Artificial Analysis流式語音轉文本排行榜中位列第一。