Новая модель ИИ для транскрипции от Meta способна распознавать нескольких спикеров и языки в режиме реального времени
Компания Meta представила свою первую аудиомодель для работы в реальном времени — Muse Voice Transcribe. По заявлению Meta, модель способна осуществлять диктовку и транскрипцию речи более чем 20 спикеров и одновременно плавно работать с несколькими языками.
Генеральный директор Meta Марк Цукерберг, недавно вернувшийся в X спустя три года отсутствия публикаций на платформе, поделился примером того, как модель справляется с несколькими спикерами и языками одновременно. На видео инструмент транскрипции автоматически различает разных участников беседы и переключается между языками. Он даже способен улавливать «переключение кодов» (code-switching) и расшифровывать предложения, в которых используются слова из разных языков.
Muse Voice Transcribe is MSL’s first real-time audio perception model — rolling out today. SOTA in streaming speech-to-text, it handles speaker diarization, and endpointing natively in a single model. pic.twitter.com/LViMDSkbim
— Mark Zuckerberg (@finkd) September 1, 2026
«Модель сама решает, когда слушать. Она чуть дольше размышляет над сложными словами и быстрее фиксирует простые, используя адаптивную задержку для прогнозирования каждого токена и повышения точности», — пояснил он. — «Она отлично справляется и с некачественным реальным аудио: модель обучена на материалах на более чем 70 языках (25 из которых прошли валидацию к моменту запуска), поддерживает переключение кодов прямо посреди предложения и обрабатывает часовые сессии с участием более 20 спикеров».
Релиз Meta состоялся менее чем через неделю после анонса Google Gemini 3.5 Transcribe — собственной аудиомодели компании Google, которая может похвастаться аналогичными возможностями. Однако, в то время как Google встраивает свою аудиомодель в Android и (в перспективе) в Chrome, пока неясно, планирует ли Meta интегрировать Muse Voice Transcribe в свои флагманские сервисы.
Тем не менее, прямо сейчас пользователи могут оценить возможности новой модели в недавно выпущенном приложении Meta AI для Mac. Поскольку декстопное приложение для Mac способно обеспечивать работу голосовых функций в других приложениях, Muse Voice Transcribe теперь будет отвечать за функции диктовки и в других сервисах. Модель также доступна разработчикам в рамках Muse Code и через Model API от Meta. Её стоимость составляет $3 за 1000 минут аудио. Кроме того, демонстрационная версия Muse Transcribe доступна в исследовательском блоге Meta.
3/ already powering dictation in the meta desktop app and muse code. live now via meta model apihttps://t.co/MFosERCV0E pic.twitter.com/UESTQhKJrH
— Alexandr Wang (@alexandr_wang) September 1, 2026
Muse Voice Transcribe — это новейшая разработка Лаборатории искусственного интеллекта Meta (MSI), которая активно выпускает новые ИИ-модели и инструменты. За последние несколько недель компания также представила своего первого специализированного ИИ-агента для написания кода, модель с открытым весом и упомянутое выше приложение Meta AI для Mac.
