Meta, gerçek zamanlı ses işleme modeli Muse Voice Transcribe'ı kullanıma sundu

Meta, 20'den fazla konuşmacıyı ayırt edebilen ve gerçek zamanlı ses-metin dönüşümü sağlayan Muse Voice Transcribe modelini piyasaya sürdü. Sistem, 70'ten fazla dilde eğitim alarak aynı cümle içindeki dil geçişlerini ve karmaşık konuşma yapılarını işleyebiliyor.

Model, 80 milisaniyelik segmentlerle çalışarak hız ve doğruluk dengesini optimize eden uyarlanabilir bir gecikme mekanizması kullanıyor. Bu teknoloji, konuşmacı günlüğü oluşturma ve konuşma sonunu tespit etme yetenekleriyle sesli komut sistemlerinin verimliliğini artırıyor.

Muse Voice Transcribe

Şirket, modeli kendi kodlama aracı ve masaüstü dikte özelliklerine entegre etti. Geliştiriciler için API üzerinden erişime açılan sistemin maliyeti, bin dakikalık ses işleme için 3 dolar olarak belirlendi.

Bu hamle, büyük teknoloji şirketleri arasındaki gerçek zamanlı ses işleme rekabetini hızlandırıyor. Meta'nın bu teknolojiyi WhatsApp, Instagram veya Messenger gibi geniş ölçekli platformlarına entegre edip etmeyeceği ise henüz netleşmedi.