A Meta fez um avanço significativo na tecnologia de transcrição de IA com a introdução do Muse Voice Transcribe, seu primeiro modelo de áudio em tempo real. Esse modelo inovador pode lidar com ditado e transcrição para mais de 20 falantes e pode lidar suavemente com múltiplos idiomas ao mesmo tempo. O CEO da Meta, Mark Zuckerberg, recentemente compartilhou um exemplo da capacidade do modelo de lidar com múltiplos falantes e idiomas simultaneamente, demonstrando sua capacidade de distinguir automaticamente entre falantes e alternar entre idiomas.
Os recursos avançados do modelo incluem a capacidade de capturar "code-switching" e transcrever frases que usam palavras de múltiplos idiomas. De acordo com Zuckerberg, "O modelo decide quando ouvir. Ele espera um pouco mais em palavras difíceis e se compromete mais rapidamente em palavras fáceis, usando atraso adaptativo para prever cada token e aumentar a precisão." Essa tecnologia se sai bem mesmo em áudio real e bagunçado, e foi treinada em mais de 70 idiomas, com 25 validados no lançamento.
O Muse Voice Transcribe é o lançamento mais recente do Laboratório de Superinteligência da Meta (MSL), que tem desenvolvido ativamente novos modelos e ferramentas de IA. O modelo agora está disponível para desenvolvedores dentro do Muse Code e da API de Modelo da Meta, com preço de $3 por 1.000 minutos de áudio. Uma versão de demonstração do Muse Transcribe também está disponível no blog de pesquisas da Meta. Além disso, o modelo já está alimentando a ditado no aplicativo de desktop da Meta e no Muse Code, e está ao vivo via API de Modelo da Meta.
Esse desenvolvimento ocorre menos de uma semana após a Google introduzir seu próprio modelo de áudio, Gemini 3.5 Transcribe, que tem capacidades semelhantes. Embora a Google planeje integrar seu modelo de áudio no Android e no Chrome, não está claro se a Meta tem planos de integrar o Muse Voice Transcribe em seus serviços principais. Por enquanto, os usuários podem experimentar as capacidades do novo modelo no aplicativo Meta AI Mac recentemente lançado, que pode alimentar recursos de voz em outros aplicativos.
Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.