Meta、音声モデル「Muse Voice Transcribe」発表 20人以上の話者分離に対応
Metaはリアルタイム音声認識モデル「Muse Voice Transcribe」を発表した。音声を80ミリ秒単位で処理し、強化学習で遅延と精度のバランスを最適化する。20人以上の話者分離や多言語混在に対応し、Meta AIやAPI経由ですでに利用可能。
Metaはリアルタイム音声認識モデル「Muse Voice Transcribe」を発表した。音声を80ミリ秒単位で処理し、強化学習で遅延と精度のバランスを最適化する。20人以上の話者分離や多言語混在に対応し、Meta AIやAPI経由ですでに利用可能。