Meta'nın yeni ASR modeli gerçek zamanlı transkripsiyonda zirvede, saat başına sadece 0,18 dolar.

动察 Beating AI hızlı haberi: Meta Superintelligence Labs, Muse Voice Transcribe'ı yayınladı. Gerçek zamanlı sesi metne dönüştürme, farklı konuşmacıları ayırt etme ve kullanıcının ne zaman konuşmayı bitirdiğini belirleme işlemlerini tek bir modele sığdırıyor. 1 saatten uzun sesleri işleyebilir ve 20'den fazla kişiyi ayırt edebilir.

Artificial Analysis'ın İngilizce gerçek zamanlı transkripsiyon testinde WER (kelime hata oranı, düşük olması daha iyidir) %3,1 olarak ölçüldü. GPT Live Transcribe %3,9, Gemini 3.5 Transcribe Live ise %4,0. Muse Voice Transcribe, konuşma bittikten yaklaşık 0,16 saniye sonra nihai metni sunabiliyor.

Tüm kelimeler için sabit bir bekleme süresi belirlemiyor. Model her seferinde 80ms ses okuyor ve dinlemeye devam mı edeceğine yoksa çıktı üretmeye mi başlayacağına kendisi karar veriyor. Basit kelimeler daha hızlı yazılabilirken, zor kelimeler için bağlamı daha fazla dinleyip sonra belirleniyor. Meta, doğruluk ve gecikmeyi aynı anda optimize etmek için pekiştirmeli öğrenme kullanıyor.

Model 70'ten fazla dilde eğitildi ve bunlardan 25'i öncelikli olarak doğrulandı. Ayrıca tek bir cümlede Çince ve İngilizce karışık konuşmayı doğrudan tanıyabiliyor. Şu anda Meta AI for Mac ve Muse Code'a entegre edildi ve Meta Model API'si de açıldı. Fiyat, 1000 dakika başına 3 dolar, yani saatte 0,18 dolar.