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。
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。