Meta MSL 发布 Muse 流式语音转写模型

Meta Superintelligence Labs 发布了 **Muse Voice Transcribe**,这是该实验室的首个实时音频感知模型，现已上线 Meta 模型 API。它把流式语音转写(ASR)、说话人分离(diarization)和端点检测(endpointing)集成进一个模型里，实时处理。

官方 Blog 称其在 Artificial Analysis 的流式语音转写基准和公开说话人分离基准上排名第一，并支持 70 多种语言（25 种在发布时完成验证）,能处理句中语码切换。Meta 演示了一段八人同场对话，模型实时区分发言人并自动切语言。具体集成到哪些旗舰产品的计划尚未公布。

💡 为什么值得看首个实时音频感知模型实现流式识别及多人分离，自称 SOTA。