Meta发布实时语音转录模型Muse Voice

实时语音处理能力

Muse Voice Transcribe由Meta超级智能实验室研发，专为低延迟、高保真语音理解设计。该模型以80毫秒为单位持续接收音频流，同步完成说话人区分（speaker diarization）与自然句子切分（sentence boundary detection），无需等待完整语句结束即可输出结构化文本。

市场定位与技术优势

第三方分析机构Artificial Analysis指出，Muse Voice Transcribe在当前主流流式语音转录方案中，实现了最高准确率与最低单位处理成本的组合。Meta未公开具体性能数值，但强调其工程优化聚焦于端侧部署可行性与实时性平衡。

面向AI助手的底层支撑

Meta明确表示，该模型并非独立产品，而是为构建‘始终在线’（always-on）个人AI代理提供核心音频感知能力。典型应用场景包括集成于Meta Camera Glasses等可穿戴设备，在真实人际对话中实现无感、连续的语音理解与上下文建模。