fost-nepal.org – Meta meluncurkan Muse Voice Transcribe, model audio persepsi yang berkompetisi di pasar transkripsi suara-ke-teks secara real-time. Dengan harga hanya $0,18 per jam untuk pemrosesan audio, Muse menawarkan transkripsi streaming, deteksi titik akhir, dan diarization untuk lebih dari 20 pembicara. Model ini dikembangkan oleh Meta Superintelligence Labs dan dirancang untuk memproses percakapan saat berlangsung, bukan setelah rekaman selesai.

Muse mendukung audio panjang lebih dari satu jam dan dapat melakukan pengalihan multibahasa secara mulus. Meski mengklaim mampu menangani lebih dari 20 pembicara, angka ini tidak menjadi rekor dunia, mengingat beberapa penyedia layanan lain seperti Speechmatics dan Amazon Transcribe dapat mengidentifikasi lebih banyak pembicara dalam sistem mereka.

Keunggulan Muse terletak pada kombinasi antara kapasitas diarization yang tinggi, transkripsi dengan latensi rendah, dan harga API yang agresif. Fitur-fitur ini dinilai penting oleh pengembang enterprise yang membangun sistem analitik rapat, asisten langsung, atau AI ambient.

Diarization memungkinkan untuk menerapkan atribusi pembicara, yang sangat penting dalam pembuatan catatan bisnis yang akurat. Misalnya, sebuah asisten rapat dapat mentranskrip semua kalimat dengan benar, namun tetap menciptakan catatan yang tidak dapat diandalkan jika atribusi yang salah diberikan.

Meta menunjukkan bahwa Muse mampu merekam rate kesalahan kata akhir sebesar 3,1%, yang menjadikannya di depan kompetitor lain. Meskipun Muse tidak mengklaim rekor dunia dalam kapasitas pembicara, posisinya yang kompetitif dalam hal harga dan akurasi dapat menjadikannya pilihan menarik bagi tim perusahaan yang membutuhkan solusi transkripsi dan analitik pertemuan. Dengan harga yang tergolong rendah, Muse Voice Transcribe dapat mendorong para pesaing untuk meningkatkan akurasi dan menekan biaya operasional.