Meta把语音转写这条赛道又搅动了一次。近日，Meta旗下超级智能实验室（Superintelligence Labs）正式推出实时语音识别模型Muse Voice Transcribe，官方称这是Meta首个实时音频感知模型，开发者通过Meta Model API即可调用。

第三方评测机构Artificial Analysis发布的AA-WER Streaming英语语音转写准确率基准显示，Muse Voice Transcribe的词错率为3.1%。作为对比，Cartesia Ink-2为3.4%，ElevenLabs Scribe v2 Real-time为3.6%，OpenAI GPT Live Transcribe为3.9%，谷歌Gemini 3.5 Transcribe Live为4.0%。在说话人区分能力上，Muse Voice Transcribe在多个标准基准中的平均错误率为17.5%，同样处于领先位置。不过整体来看，各家模型在这一维度上的表现都还难以让用户满意。Meta方面介绍，该模型可区分超过20位说话人，并支持超过70种语言。

一段夹杂多种语言、多人插话的会议录音，可以被实时拆分为不同说话人的分轨转写结果。

定价方面，Muse Voice Transcribe通过Meta Model API对外提供，价格为每1000分钟音频3美元，折合约每小时0.18美元。Meta方面同时确认，该模型不会开放权重。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。

本文源自：市场资讯

作者：听潮