#speechtotext

MSL 推出 Muse Voice Transcribe，这是一种具有说话者分类功能的实时音频模型

Muse Voice Transcribe 是一种实时语音到文本模型，可以处理大多数转录服务仍然难以解决的两项任务：说话者分类（弄清楚谁说了什么）和端点（了解某人何时真正结束讲话，而不是只是停下来思考）。该模型现已作为更广泛的 Muse Spark 系列的一部分通过 Meta 的模型 API 提供。