메타가 실시간 음성 인식과 화자 분리, 발화 종료 감지를 하나의 모델에서 처리하는 음성 AI '뮤즈 보이스 트랜스크라이브'를 공개했다. 이 모델은 스트리밍 음성 인식 벤치마크에서 단어 오류율 3.1%로 1위를 차지했으며, 80밀리초 단위로 속도와 정확도를 스스로 조절하는 '적응형 지연' 기술을 갖췄다. 20명 이상이 참여하는 1시간 이상의 긴 음성에서도 후처리 없이 화자를 구분할 수 있고, 한 문장 안에서 언어가 바뀌는 코드 스위칭도 지원하며 70개 이상 언어를 학습해 초기에는 한국어를 포함한 25개 언어를 검증된 언어로 지원한다. 메타는 이 모델을 메타 AI와 코딩 에이전트 '뮤즈 코드'의 음성 입력에도 적용했지만 모델 가중치는 공개하지 않기로 했다.

• •'뮤즈 보이스 트랜스크라이브'는 실시간 음성 인식·화자 분리·발화 종료 감지를 한 모델에서 처리한다.
• •스트리밍 음성 인식 벤치마크에서 단어 오류율 3.1%로 1위를 기록했다.
• •80ms 단위로 속도와 정확도를 스스로 조절하는 '적응형 지연' 기술을 적용했다.
• •70개 이상 언어를 학습했으며 초기에는 한국어 등 25개 언어를 검증된 언어로 지원한다.
• •메타 AI와 뮤즈 코드 음성 입력에 적용됐지만 모델 가중치는 비공개로 유지된다.