Компания Meta представила Muse Voice Transcribe — модель для обработки аудио в реальном времени, предназначенную для работы в составе персональных ИИ-агентов. Система разбивает входящий аудиопоток на фрагменты по 80 миллисекунд и динамически регулирует время ожидания для достижения баланса между точностью и задержкой. Модель способна одновременно различать более 20 спикеров и поддерживает более 70 языков, включая переключение между ними в процессе речи. Согласно независимой оценке Artificial Analysis, Muse Voice Transcribe демонстрирует уровень ошибок в 3,1% при транскрипции английской речи. Модель уже интегрирована в функции голосовой диктовки Meta AI и Muse Code, а также доступна через Meta Model API. Стоимость использования составляет $0,18 в час, что, по данным компании, является одним из самых низких показателей на рынке. Meta не раскрывает количество параметров модели, объем обучающих данных и не предоставляет веса для локального запуска.