Meta发布实时音频感知模型Muse Voice Transcribe

Meta推出首个实时音频感知模型Muse Voice Transcribe，支持20余人分轨转写。该模型通过Meta Model API调用，定价为每1000分钟音频3美元。模型整合流式自动语音识别、说话人分离与端点检测，支持70余种语言，其中25种已完成验证。截至2026年9月1日，该模型位列Artificial Analysis流式语音转文本排行榜第1名。