Meta新ASR模型即时轉錄登頂，每小時只需0.18美元

動察 Beating AI 快訊，Meta Superintelligence Labs 發布 Muse Voice Transcribe。它把實時語音轉文字、區分不同說話人、判斷使用者什麼時候說完，全塞進一個模型。最長可以處理超過 1 小時的音訊，同時區分 20 多個人。

在 Artificial Analysis 的英文實時轉寫測試中，它的 WER（詞錯誤率，越低越好）為 3.1%。GPT Live Transcribe 為 3.9%，Gemini 3.5 Transcribe Live 為 4.0%。Muse Voice Transcribe 在說話結束後約 0.16 秒就能給出最終文本。

它沒有給所有詞固定同一個等待時間。模型每次讀取 80ms 音訊，自己決定繼續聽還是開始輸出。簡單的詞可以更快寫出來，難詞就多聽一點上下文再確定。Meta 用強化學習同時優化準確率和延遲。

模型用 70 多種語言訓練，其中 25 種已經重點驗證，還能直接識別一句話裡中英文混說。目前已經接入 Meta AI for Mac 和 Muse Code，也開放 Meta Model API。價格為每 1000 分鐘 3 美元，也就是每小時 0.18 美元。