Meta'nın yeni yapay zeka transkripsiyon modeli, birden fazla konuşmacı ve dili gerçek zamanlı olarak ayırt edebiliyor

Meta Süper Zeka Laboratuvarı'nın (MSI) en son sürümüdür. Meta, ilk gerçek zamanlı ses modeli Muse Voice Transcribe'ı tanıttı. Meta, modelin 20'den fazla konuşmacının dikte ve transkripsiyon işlemlerini gerçekleştirebildiğini ve birden fazla dili aynı anda sorunsuz bir şekilde işleyebildiğini söylüyor. Platformda üç yıl paylaşım yapmadıktan sonra yakın zamanda X'e geri dönen Meta CEO'su Mark Zuckerberg, modelin aynı anda birden fazla konuşmacıyı ve dili idare edebilme becerisinin bir örneğini paylaştı. Videoda, transkripsiyon birden fazla konuşmacıyı otomatik olarak ayırt edebiliyor ve diller arasında geçiş yapabiliyor. Hatta "kod değiştirme" özelliğini bile algılayabiliyor ve birden fazla dilden kelimeler kullanan cümleleri yazıya dökebiliyor. Muse Voice Transcribe, MSL'nin ilk gerçek zamanlı ses algılama modelidir ve bugün kullanıma sunulmaktadır. SOTA, konuşmayı metne aktarmada, konuşmacı günlüğü tutmayı ve yerel olarak uç nokta belirlemeyi tek bir modelde gerçekleştirir. pic.twitter.com/LViMDSkbim "Model ne zaman dinleyeceğine karar veriyor. Her bir jetonu tahmin etmek ve doğruluğu artırmak için uyarlanabilir gecikmeyi kullanarak, zor kelimelerde biraz daha uzun süre bekler ve kolay olanlarda daha hızlı işlem yapar" diye açıkladı. "Dağınık, gerçek sese de dayanıyor; 70'ten fazla dilde eğitilmiş (lansman sırasında 25'i doğrulanmış), cümle ortasında kod değiştirmeyi yönetiyor ve 20'den fazla konuşmacıyla saatlerce süren oturumları yönetiyor. Meta'nın sürümü, benzer yeteneklere sahip kendi ses modeli olan Google Gemini 3.5 Transcribe'dan bir haftadan kısa bir süre sonra geliyor.

Ancak Google, ses modelini Android'e ve (sonunda) Chrome'a ​​dönüştürürken, Meta'nın Muse Voice Transcribe'ı amiral gemisi hizmetlerine entegre etmeyi planlayıp planlamadığı belli değil. Ancak şimdilik insanlar yeni modun yeteneklerini Meta'nın yakın zamanda piyasaya sürülen Meta AI Mac uygulamasında deneyimleyebiliyor. Mac uygulaması diğer uygulamalardaki ses özellikli özellikleri güçlendirebildiği için Muse Voice Transcribe artık diğer hizmetlerdeki dikte özelliklerini de güçlendirecek. Model aynı zamanda Muse Code ve Meta'nın Model API'sindeki geliştiricilerin kullanımına da açıktır. 1000 ses dakikası için fiyatı 3 ABD dolarıdır. Ayrıca Meta'nın araştırma blogunda Muse Transcribe'ın demo versiyonu bulunmaktadır. 3/ zaten meta masaüstü uygulamasında ve ilham kaynağı kodunda dikteye güç veriliyor. meta model api aracılığıyla şimdi canlı https://t.co/MFosERCV0E pic.twitter.com/UESTQhKJrH Muse Voice Transcribe, yeni yapay zeka modelleri ve araçları üreten Meta Süper Zeka Laboratuvarı'nın (MSI) en son sürümüdür.