Meta正在推出Muse Voice Transcribe，这是其首个实时音频感知模型。它为Mac版Meta AI、Muse Code以及通过Meta Model API使用的开发者带来多语言流式转写功能。

Muse Voice Transcribe支持Mac上的系统级听写。Meta Superintelligence Labs表示，Muse Voice Transcribe结合了流式自动语音识别、说话人分离和语音端点检测。实际上，它可以实时转写语音，在包含20多个声音的录音中区分说话人，并判断某人何时说完话，所有这些都无需单独的后处理步骤。

该模型使用超过70种语言进行训练，发布时已验证25种语言。它支持超过一小时的音频，以及句内或句间的原生语码转换。Muse Voice Transcribe并非在速度和准确性之间采用固定折衷方案，而是自行决定在输出每个词之前需要等待多长时间。Meta将此称为“自适应延迟”。Meta表示，截至9月1日，该模型在Artificial Analysis流式语音转文字排行榜上排名第一。

Muse Voice Transcribe现可通过Meta Model API使用，价格为每1000个音频分钟3美元，相当于每小时0.18美元。它也已为Mac版Meta AI和Muse Code提供听写支持。在Mac上，用户可以按住Fn键在任何应用程序中进行听写。

关键实体：公司：Meta | 人物：Spencer Barnett

常见问题：什么是Muse Voice Transcribe？

Muse Voice Transcribe是Meta推出的首个用于流式多语言转写的实时音频感知模型。