AI Radar — лента🎤 Meta обошла конкурентов в real-time транскрибации
Meta Superintelligence Labs выкатила Muse Voice Transcribe — модель, которая в реальном времени распознаёт речь, разделяет спикеров и ставит границы предложений.
Word error rate — 3.1%, время до финальной транскрипции — 0.16 секунды, цена — $3 за 1000 минут аудио.
Как устроена. Вместо связки отдельных систем — одна мультизадачная модель. Адаптивная задержка: короткая для простых слов, длиннее для сложных. На лету отслеживает 20+ спикеров одновременно, тянет час записи без постобработки, знает 70+ языков. Обрабатывает аудио чанками по 80 мс.
Цена. Muse стоит $3 за 1000 минут — дешевле ElevenLabs и Deepgram ($6.50), Cartesia ($4). Итог: лидер по точности и по прайсу одновременно.
Meta не раскрывает веса модели, число параметров и источники обучающих данных — модель пригодна для встраивания, но не для изучения и переобучения.
Что это значит: рынок real-time транскрибации получил нового фаворита, который уделывает специализированные решения и по точности, и по стоимости.
Оригинальная публикация в Telegram