动察 Beating AI 快讯，Meta Superintelligence Labs 发布 Muse Voice Transcribe。它把实时语音转文字、区分不同说话人、判断用户什么时候说完，全塞进一个模型。最长可以处理超过 1 小时的音频，同时区分 20 多个人。
在 Artificial Analysis 的英文实时转写测试中，它的 WER（词错误率，越低越好）为 3.1%。GPT Live Transcribe 为 3.9%，Gemini 3.5 Transcribe Live 为 4.0%。Muse Voice Transcribe 在说话结束后约 0.16 秒就能给出最终文本。
它没有给所有词固定同一个等待时间。模型每次读取 80ms 音频，自己决定继续听还是开始输出。简单的词可以更快写出来，难词就多听一点上下文再确定。Meta 用强化学习同时优化准确率和延迟。
模型用 70 多种语言训练，其中 25 种已经重点验证，还能直接识别一句话里中英文混说。目前已经接入 Meta AI for Mac 和 Muse Code，也开放 Meta Model API。价格为每 1000 分钟 3 美元，也就是每小时 0.18 美元。