Em 2026-09-07: a Meta Superintelligence Labs lançou o Muse Voice Transcribe em 2026-09-01, ASR em streaming em tempo real em blocos de 80 ms; o mesmo modelo cobre diarização de 20+ falantes e detecção de endpoint. A Meta afirma o primeiro lugar no ranking de speech-to-text em streaming da Artificial Analysis em 2026-09-01. Se você só precisa transformar um arquivo ou um link de aula em texto, use a ferramenta abaixo — não abra o console da Meta API.
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without opening Meta Model API.
Em 2026-09-07: a Meta Superintelligence Labs lançou o Muse Voice Transcribe em 2026-09-01. É um modelo de percepção de áudio em tempo real: ASR em streaming de 80 ms, diarização 20+, detecção de endpoint, num único passe. A Meta afirma o primeiro lugar no speech-to-text em streaming da Artificial Analysis em 2026-09-01. A Meta Model API custa US$ 0,18 por hora de áudio. Última atualização: 2026-09-07.
É o modelo de percepção de áudio em tempo real hospedado pela Meta Superintelligence Labs, família Muse Spark. Não é o Muse Image. O ID do modelo na documentação da Meta é muse-voice-transcribe-1.0.
O áudio é cortado em blocos de 80 ms a 12,5 Hz. O modelo decide se continua ouvindo ou emite um fragmento de texto. A Meta chama isso de latência adaptativa: o aprendizado por reforço equilibra 「esperar mais um pouco」 e 「palavra mais precisa」.
Os rótulos de falante cobrem mais de 20 pessoas. marcas de endpoint marcam o início e o fim da fala. A Meta diz que não precisa de um pós-processamento separado. A fonte é a página de pesquisa.
A documentação de speech-to-text da Meta lista US$ 0,18 por hora de áudio (US$ 3 por 1000 minutos); streaming e upload de arquivo no mesmo preço. Não há pesos open source. A ditação de voz no Meta AI for Mac e no Muse Code já usa este modelo.
Uma API de ASR em tempo real ajuda times que montam assistentes de voz. Ela não substitui um produto que arquiva para humanos transcrição com timestamp, capítulos e perguntas de acompanhamento — muitas vezes basta colar um link.
Cole um link de aula ou podcast, ou solte um MP3. Você quer uma transcrição pesquisável, não o WebSocket wss://api.meta.ai/v1/asr/realtime.
O texto em streaming ainda precisa ser lido. O BibiGPT recebe o mesmo arquivo ou link e devolve capítulos, transcrição com timestamp e notas que você pode perguntar.
Muse Image é outro lançamento da Meta em 2026. Cada intenção tem a sua URL. Esta página cobre só o modelo de voz de 09-01.
Fatos centrais do lançamento Muse Voice Transcribe da Meta em 2026-09-01.
A Meta Superintelligence Labs publicou muse-voice-transcribe-1.0. Disponível pela Meta Model API, Meta AI for Mac e Muse Code. Não há pesos open source. No Mac, segure Fn para ditar pelo Meta AI.
A cada 80 ms (12,5 Hz) o áudio vira um fragmento. O modelo escolhe continuar ouvindo ou emitir texto. A latência adaptativa é treinada com reforço: multiplica a recompensa de erro de palavra pela de latência; palavras difíceis esperam mais.
Marcas especiais marcam troca de falante, rótulos A–Z (20+ pessoas), onset e endpoint. A Meta afirma que áudio de mais de uma hora também não precisa de um fluxo extra de pós-processamento.
No lançamento a Meta recomenda esses 25 idiomas bem validados; o resto também pode ser testado. Troca de código intra e interoracional é nativa. Viés de idioma, palavras-chave e contexto melhora nomes próprios e jargão.
A documentação da Meta indica US$ 0,18 por hora de áudio. A Meta afirma o primeiro lugar no speech-to-text em streaming e na diarização pública da Artificial Analysis em 2026-09-01. O VentureBeat cita o slide do lançamento: AA-WER Streaming 3,1% de erro de palavra no texto final.
Onde uma API de ASR em tempo real importa — e qual é o trabalho real de um produto 「link vira nota」.
Times que precisam de resultados parciais via WebSocket e detecção de limite de turno podem avaliar a Meta Model API. Depois mandam a gravação pronta para o BibiGPT, para a pessoa receber capítulos, não uma fila de eventos crus.
Uma aula de 90 minutos não precisa de socket de ASR em tempo real. Cole a URL ou solte um M4A, exporte a transcrição com timestamp e continue perguntando. Esse é o caminho do produto.
Muse Voice Transcribe é o ASR em streaming da Meta de 09-01. Granite Speech 5.0 Turbo CTC são os pesos de throughput em inglês da IBM. Gemini 3.5 Transcribe saiu em 2026-08-26; live e arquivo são APIs diferentes. Cada família tem a sua URL; não monte uma página genérica de 「ASR 2026」.
Fluxos de transcrição e notas que acompanham este lançamento.
Solte MP3, WAV ou M4A e receba texto com timestamp.
Transforme um link ou arquivo de vídeo em transcrição pesquisável.
Tire a transcrição completa de uma URL do YouTube.
Página de evento de ASR em inglês da IBM de 2026-08-25.
Outro lançamento Muse — imagem, não voz.
Os fatos do lançamento vêm dos textos da própria Meta. Preço e slide do ranking de streaming de cobertura independente ficam marcados à parte.
Em 2026-09-01, a Meta Superintelligence Labs lançou o Muse Voice Transcribe como o primeiro modelo de percepção de áudio em tempo real da família Muse Spark: ASR em streaming de 80 ms, diarização 20+, detecção de endpoint, treino em 70+ idiomas (25 bem validados), troca de código nativa e suporte nativo a áudio de mais de uma hora. A Meta afirma o primeiro lugar no speech-to-text em streaming da Artificial Analysis em 2026-09-01.
Meta AI Research — Introducing Muse Voice Transcribe ↗A documentação de speech-to-text da Meta lista o modelo muse-voice-transcribe-1.0, WebSocket em tempo real e POST de arquivo, US$ 0,18 por hora de áudio, timestamps no nível do turno (não da palavra), 25 idiomas de avaliação e troca de código.
Meta AI Developer — Speech to text ↗O VentureBeat (2026-09) noticia o preço de US$ 0,18/hora e cita o slide de lançamento da Meta: AA-WER Streaming da Artificial Analysis 3,1% de erro de palavra no texto final, abaixo de outros sistemas em streaming no mesmo slide.
VentureBeat — Meta prices Muse Voice Transcribe at $0.18 an hour ↗Gemini 3.5 Transcribe (2026-08-26) é outro lançamento do Google: os números da Artificial Analysis citados pelo Google são WER em streaming 4,0%, WER fora de streaming 2,6%, 85+ idiomas. Live e arquivo são APIs diferentes. Data dos dados: 2026-08.
Google — Gemini 3.5 Transcribe launch（zettel dt-bibigpt-0008） ↗O reconhecimento automático de fala em streaming transforma som em texto enquanto o áudio ainda entra, sem esperar o fim do arquivo. fragmentos parciais aparecem primeiro e depois podem ser corrigidos. É um desenho de latência, não um nome de marca.
A diarização etiqueta 「quem falou quando」 na gravação. O sistema atribui marcas de falante aos turnos para a ata separar vozes. Cobrir 20+ pessoas só significa um conjunto de etiquetas grande, não reconhecer o nome de cada um.
A detecção de endpoint marca o início e o fim de um turno para o assistente de voz saber quando parar de ouvir e começar a responder. É troca de turno, não pontuação. O modelo emite marcas de início e fim; não espera o botão de stop.
Por que as pessoas usam o BibiGPT todos os dias para transformar vídeos em texto.
Mais de 50.000 usuários no mundo todo confiam
“Colo um link e recebo legendas limpas em segundos — economizo horas de redigitação toda semana.”
Maya R.
Criadora de conteúdo · Reaproveita vídeos curtos
“Exportar a transcrição me deixa revisar palavras novas no meu ritmo, sem pausar o vídeo o tempo todo.”
Daniel K.
Estudante de idiomas · Estuda com vídeos reais
“Texto preciso e com marcação de tempo que posso citar diretamente. Sem perceber, virou parte do meu fluxo diário.”
Priya S.
Pesquisadora · Cita palestras públicas
FAQ
Tire qualquer dúvida.
1 Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
2 Melhor ferramenta de resumo de vídeo Bilibili com IA em 2026? BibiGPT suporta mais de 30 plataformas com mais de 1M de usuários. Cole qualquer link Bilibili para resumos estruturados instantâneos. Compare top 5 ferramentas mais automação de agente IA.
3 Extract Bilibili subtitles free: paste a BV/av link for a transcript even with no captions. Compare 5 tools for SRT export and AI summary. No signup to start.
Cole um link do YouTube, Bilibili ou podcast — ou solte MP3, WAV, M4A. O BibiGPT devolve transcrição com timestamp, resumo com IA e notas pesquisáveis. Última atualização: 2026-09-07.
