Metas neue KI hört Gesprächen in Echtzeit zu
Meta hat mit Muse Voice Transcribe ein neues Audio Modell für Echtzeit Transkriptionen veröffentlicht. Die KI wandelt gesprochene Sprache direkt in Text um und nutzt dafür eine dynamisch angepasste Zeitverzögerung, um Geschwindigkeit und Genauigkeit besser auszubalancieren.
Das Modell erkennt bis zu 20 Sprecher in einem Raum und verarbeitet auch längere Audiospuren sowie spontane Sprachwechsel innerhalb eines Satzes. Trainiert wurde es mit mehr als 70 Sprachen, 25 davon sind zum Start validiert. Entwickler können die Erkennung zudem über Schlüsselwörter steuern, um etwa Eigennamen oder Fachbegriffe zu priorisieren.
Muse Voice Transcribe ist über die Meta Model API verfügbar und wird auch in der Diktierfunktion der Mac App von Meta AI sowie in Muse Code eingesetzt. Meta zufolge belegt das Modell derzeit in unabhängigen Benchmarks den ersten Platz.
