Meta 发布首个实时音频感知 AI 模型，支持 20 余人分轨转写

科技媒体9to5Mac 发布博文，报道称 Meta 公司推出 Muse Voice Transcribe， 这是其首个实时音频感知模型。 开发者可通过 Meta Model API 调用该能力，定价为每 1000 分钟音频 3 美元 （现汇率约合 20.2 元人民币） ，等同每小时 0.18 美元 （现汇率约合 1.2 元人民币） 。 该模型在同一流程中整合流式自动语音识别、说话人分离与端点检测，用户说话时，系统可同步输出文字，无需等待完整录音结束后再单独处理。