Muse Voice Transcribeとは？Metaの新音声認識が「1時間3円台」で市場を壊す理由
Meta Superintelligence Labsが、リアルタイム音声認識モデル「Muse Voice Transcribe」を公開しました。英語の単語誤り率3.1%・発話終了から0.16秒という精度と速度を、1時間あたり0.18ドル（音声1,000分で3ドル）という業界最安値で提供します。話者分離と文境界検出も同一モデルに内包しています。
#Muse Voice Transcribe の記事一覧（2）
Muse Voice Transcribeとは？Metaの初リアルタイム音声AIが「20人・多言語混在」を1モデルで捌く意味
Metaは9月1日、Meta Superintelligence Lab初のリアルタイム音声認識モデル「Muse Voice Transcribe」を公開しました。20人超の話者を自動で識別し、文の途中で日本語と英語が混ざる「コードスイッチング」もそのまま書き起こせるとされ、70以上の言語で学習・25言語が公開時点で検証済み、料金は音声1,000分あたり3ドルです。