Meta Superintelligence Labs（智能实验室）正式出 Muse Voice Transcribe，这是该公司开发的款实时音频感知模型。

Muse Voice Transcribe 标志着 Meta 在实时语音模型落地应用上的重要里程碑。该模型支持实时流式语音转文字（ASR）、过 20 人的说话人分离（Diarization）以及端点检测（Endpointing）。其具备多语言能力，可缝处理语言切换，并通过语言、关键词和上下文偏置技术进步提升准确率。

数据显示，截至 2026 年 9 月 1 日，Muse Voice Transcribe 在流式语音转文字及公开说话人分离基准测试中均位列。

基于流式 ASR 的自回归架构

Muse Voice Transcribe 隶属于 Muse Spark 系列，是款自回归多模态模型。音频以 80 毫秒（12.5 赫兹）为块进行处理，每个块被转换为个软标记（soft token）。在处理每个音频块时，模型需决定是继续监听下个音频块，还是输出文本标记。当模型选择继续监听时，会预测特殊标记，并在下次输入时将其替换为实际音频块。

当音频流停止时，系统插入特殊标记告知模型音频结束。接收该标记后江苏泡沫板专用胶厂，模型将输出所有剩余文本标记，不再产生标记。

由于模型掌控监听时机，它可在转录前决定接收多少音频上下文（即"延迟"）。准确率与延迟存在权衡：等待预测时间越长，转录越准确，但延迟越。Muse Voice Transcribe 具备"自适应延迟"，可根据难度动态调整每个单词的延迟。该通过强化学习实现，将词错率（WER）励与延迟励相乘结，从而在终转录时间的速度与准确权衡上达到帕累托前沿。

集成说话人分离与端点检测

基于流式 ASR 架构，通过引入额外特殊标记，保温护角专用胶该模型可轻松支持其他音频感知任务。

在说话人分离面，模型引入标记潜在说话人切换，并使用标签区分不同说话人。旦检测到切换，模型立即预测，并将说话人标签预测迟至块末尾。同说话人的音频可能被分割，但片段间的说话人标签保持致。

在端点检测面，模型引入标记语音开始，标记用户结束说话时刻。这两个任务与流式 ASR 联训练，并在 ASR 励基础上增加了针对说话人分离和端点检测的额外励。

核心能力江苏泡沫板专用胶厂

语言覆盖

Muse Voice Transcribe 使用 70 多种语言训练，其中 25 种经过广泛验证。初始版本建议优先试用这 25 种已验证语言，同时也支持其他多语言。

代码切换（Code-Switching）

针对双语使用者常见的语言混场景，Muse Voice Transcribe 原生支持任意形式的代码切换，论是句内还是句间。模型还利用上下文偏置进步提识别准确率。

长上下文处理

模型原生支持过小时、多达 20 多名说话人的长音频输入，需进行后处理。

应用场景

目前，Meta AI 和 Muse Code 中的语音听写已由 Muse Voice Transcribe 驱动。用户只需按住 'Fn' 键，即可通过 Meta AI 处理屏幕上的任何窗口任务。该模型现已通过 Meta Model API、Mac 版 Meta AI 以及 Muse Code 开放获取。

【星途科讯 图文丨伊贝 发于 ZAKER 科技，转载请注明出处】相关词条:铁皮保温施工     隔热条设备     锚索    离心玻璃棉    万能胶生产厂家

奥力斯    pvc管道管件胶批发    联系人：王经理    手机：15226765735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定江苏泡沫板专用胶厂，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。