# Meta 推出首个实时音频感知模型 Muse Voice Transcribe

- 分类: 快讯
- 发布时间: 2026-09-02T11:52:00.000Z
- 原始资料日期: 2026-09-02
- HTML: https://www.88z.ai/news/flash-20260902-b2ffa05c705c947c
- Markdown: https://www.88z.ai/news/flash-20260902-b2ffa05c705c947c.md
- 另一语言: https://www.88z.ai/en/news/flash-20260902-b2ffa05c705c947c.md

Meta 发布首个实时音频感知模型 Muse Voice Transcribe，集成流式语音识别、说话人分离及端点检测功能。该模型支持 70 多种语言及 20 人以上分轨转写，凭借自适应延迟机制平衡响应速度与准确度，在 Artificial Analysis 流式语音转文本榜单中排名第一。

## 消息要点

- 支持 70 余种语言及 20 人以上分轨转写
- 凭自适应延迟机制在 Artificial Analysis 榜单居首

## 要点

Meta 正式推出名为 Muse Voice Transcribe 的首个实时音频感知模型。该系统深度融合了流式语音识别、说话人分离以及端点检测三大核心技术，能够高效处理复杂音频场景。在实际应用中，它支持超过 70 种语言的识别，并具备对 20 人以上同时进行分轨转写的能力，极大提升了多说话人环境下的处理效率。 为确保最佳用户体验，该模型引入了自适应延迟机制，能够在保证高识别准确度的同时实现快速的实时响应。凭借这一技术优势，Muse Voice Transcribe 在 Artificial Analysis 发布的流式语音转文本排行榜中成功登顶，位列第一，展现了其在实时音频处理领域的领先地位。

## 资料来源

- [IT之家](https://www.ithome.com/0/997/218.htm) (2026-09-02)

本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。