Muse Voice Translatis的Meta价格每小时为0.18美元，20多位发言者的实时对等化：企业的偷盗？

本期编译精选。

Meta正与Muse Voice Trancis进入竞争日益激烈的实时语音对文本市场，这是一种新的音频感知模式，它结合了流音转录，端点检测和对20多位发言者的扬声器对接——公开的API价格仅为每小时0.18美元。由Meta Superintelligence Labs所开发，Muse的设计是在语音发生时处理语音，而不是等待录音完成。Meta为Muse Voice Translatis的发帖称，该模型支持一个小时以上的长音频，无缝多语种代码交换，语言和关键词偏差，以及没有单独处理后管道的对等化。该模式经过了超过70种语言的培训，有25种经过广泛验证后可以首次发布。20多语种的数字是实质性的，但不是世界纪录。对目前供应商文件的审查使公布的上限提高。Speechmatics的实时收音机服务说，它可以默认识别出50个发音，在加限时最多可识别出100个发音，而Amazon Translax的Diarvision文件则规定最多可识别出30个独有发音，包括流传收音机收音机。（演讲） 不过，Muse土地走向市场高端，而Meta的更广泛主张可以说比原始最大值更重要：高容量实时对接，加上低纬度的转录、端点、多语种代码切换和在同一模式中积极的API定价。对于建立会议系统的企业开发者来说，叫分析师、现场助理或环境AI,这种组合可能比谁拥有发言记录更重要。传统语音识别回答一个相对简单的问题：刚才说什么？日记又说：谁说的？随着记录为下游人工智能系统提供信息，这种区分变得至关重要。一个会议助理可以正确t

（编译自 VentureBeat；原文