Meta、初のリアルタイム音声認識モデル「Muse Voice Transcribe」　20人超の話者識別と多言語混在に対応

Metaが発表したリアルタイム音声認識モデル「Muse Voice Transcribe」は、20人超の話者識別や多言語混在に対応します。単一モデルで音声認識、話者分離、発話終了検知を処理する点が特徴です。Mac版「Meta AI」アプリなどでも利用可能です。

• Metaが初のリアルタイム音声認識モデル「Muse Voice Transcribe」を発表しました。
• このモデルは20人超の話者識別と多言語混在に対応しています。
• ストリーミングASR、話者分離、発話終了検知を単一モデルで処理します。