**Meta发布首个实时音频感知AI模型，支持20余人分轨转写**

_Meta 发布首个实时音频感知 AI 模型，支持 20 余人分轨转写_

> Meta推出Muse Voice Transcribe，这是其首个实时音频感知模型，可在同一流程中整合流式语音识别、说话人分离与端点检测，支持20余人同时发言的分轨转写。模型覆盖70余种语言，定价为每1000分钟3美元，目前已位列Artificial Analysis流式语音转文本排行榜第1名。

**来源信息**
- **来源**：IT之家（RSS）
- **分类**：ai-models
- **发布时间**：2026-09-02 08:23（北京时间）
- **原文**：[打开原文](https://www.ithome.com/0/997/218.htm)