Meta Superintelligence Labs представила модель Muse Voice для распознавания речи в реальном времени

Meta Superintelligence Labs выпустила Muse Voice — модель для потокового распознавания речи, диаризации и определения конца фразы с низкой задержкой.

Новая технология Meta позволяет эффективно обрабатывать многоголосые аудиопотоки в реальном времени.

Позволяет точно разделять речь до 20 человек одновременно, что полезно для транскрибации встреч.
Минимизирует задержки при обработке аудио, что критично для голосовых интерфейсов.
Улучшает распознавание специфических терминов за счет использования контекста.

Muse Voice Transcribe Meta (запрещено в РФ) Superintelligence Labs выкатила первую модель распознавания речи в реальном времени. Разбирает голос, диаризацию и определение конца фразы на лету без задержек Возможности: • потоковое распознавание речи • диаризация 20+ говорящих одновременно • определение конца реплики в потоке • переключение между языками внутри одной фразы • настройка на конкретные имена и термины Поддержка 25+ языков. Русский не указан. В демонстрации модель разбирает восемь человек, говорящих одновременно, и правильно понимает кто что сказал. Отдельно точность подтягивается контекстом: если упомянуть конкретное имя или место, модель его узнает и не путает с похожими словами #stt #diarize #realtime VK | MAX

Кратко (AI)

Meta Superintelligence Labs представила Muse Voice, модель для распознавания речи в реальном времени, поддерживающую диаризацию до 20 человек одновременно. Система способна определять конец фразы, переключаться между языками и адаптироваться к специфическим терминам через контекст.

Meta Superintelligence Labs представила модель Muse Voice для распознавания речи в реальном времени

Кратко (AI)

Обсуждение