Think Fast 2.0

Meta AI 发布单一实时模型用于语音任务

Meta AI 推出了 Muse Voice Transcribe，这是一款新颖的实时音频感知模型，旨在在一个系统中处理语音识别、说话人分离和端点检测。该模型在流式语音转文本和说话人分离基准测试中排名靠前，可通过 Meta Model API 获取，价格为每 1000 音频分钟 3.00 美元。该开发通过将多个功能整合到一个自回归模型中，解决了语音 AI 的延迟挑战，旨在创造更自然、更具对话性的 AI 交互。