Meta 发布首个流式语音转写模型 Muse Voice Transcribe，准确率与延迟登顶评测榜

Meta 正式发布首个流式语音转写模型 Muse Voice Transcribe，并在第三方权威流式转写评测中刷新了准确率与低延迟指标。

• Scale AI 创始人兼 Meta 首席 AI 官 Alexandr Wang 披露该模型由 Meta Superintelligence Labs 开发。
• 在 Artificial Analysis 的 AA-WER 流式评测中，该模型在发言结束后 0.16 秒输出，词错误率（WER）达到 3.1%，位列最终转写准确率第一。
• 模型将流式 ASR、说话人日志（Diarization）与语音端点检测集成在统一架构内，支持边听边转与多发言者精准识别。
• 采用动态自适应延迟技术，在保证低时延的同时根据语义上下文难度动态优化识别精度。
• 影响/看点：若 0.16 秒端到端延迟与 3.1% 词错误率在实际高噪、多方交谈场景中得到复现，将为实时同传和低延迟智能助手交互提供高可靠的语音输入基底。
• 资料依据：
• Alexandr Wang 个人 X 账号（2026-09-01）：https://x.com/alexandr_wang/status/2094869215669035274
• IT之家（2026-09-02）：https://www.ithome.com/0/997/218.htm

本内容由 AI 生成，仅供参考，请注意甄别