Meta’nın (META) Superintelligence Labs birimi, gerçek zamanlı konuşma tanıma alanında yeni bir model geliştirdi. Bu model, 20’den fazla konuşmacıyı ayırt edebiliyor, 70’ten fazla dilde eğitim aldı ve bir saatten uzun süren sohbetleri yazıya dökebiliyor.
Muse Voice Transcribe adı verilen bu çözüm, Muse Spark ailesinin otoregresif ve çok modlu bir modeli olarak tanımlanıyor. Yazılım, konuşmayı 80 milisaniyelik parçalara bölerek “uyarlanabilir gecikme” yöntemiyle duraklamaları tespit edebiliyor. Sistem, kolay kelimeleri hızlıca işlerken, daha zor kelimeler için daha fazla sesli bağlam kullanıyor.
Muse Voice Transcribe; Meta Model API (saatlik 0,18 dolar), Meta AI for Mac ve Meta Code üzerinden erişime açıldı.
Meta’nın bu alana girişi, OpenAI, Google (GOOG) (GOOGL), xAI ve Alibaba (BABA) gibi şirketlerin benzer çözümlerini takip ediyor.
Bu içerik hazırlanırken faydalanılan kaynaklar: Seeking Alpha
