На 2026-09-07: Meta Superintelligence Labs 1 сентября 2026 выпустила Muse Voice Transcribe — потоковое распознавание речи в реальном времени блоками по 80 мс; та же модель покрывает диаризацию 20+ говорящих и детект конца фразы. Meta заявляет первое место в рейтинге потокового speech-to-text Artificial Analysis на 2026-09-01. Если нужно просто превратить файл или ссылку на лекцию в текст, воспользуйтесь инструментом ниже — консоль Meta API открывать не нужно.
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without opening Meta Model API.
На 2026-09-07: Meta Superintelligence Labs 1 сентября 2026 выпустила Muse Voice Transcribe. Это модель восприятия аудио в реальном времени: поток ASR 80 мс, диаризация 20+, детект конца фразы — за один проход. Meta заявляет первое место в потоковом speech-to-text Artificial Analysis на 2026-09-01. Meta Model API — 0,18 доллара за час аудио. Обновлено: 2026-09-07.
Это хостинговая модель восприятия аудио в реальном времени от Meta Superintelligence Labs, семейство Muse Spark. Это не Muse Image. ID модели в документации Meta — muse-voice-transcribe-1.0.
Аудио режется блоками по 80 мс при 12,5 Гц. Модель сама решает, слушать дальше или выдать текстовый токен. Meta называет это адаптивной задержкой: обучение с подкреплением балансирует «подождать ещё» и «точнее слово».
Метки говорящих покрывают более 20 человек. Токены endpoint отмечают начало и конец речи. Meta утверждает, что отдельный постпроцессинг не нужен. Опора — страница исследования.
Документация speech-to-text Meta указывает 0,18 доллара за час аудио (3 доллара за 1000 минут), поток и загрузка файла по одной цене. Открытых весов нет. Диктовка в Meta AI for Mac и Muse Code уже использует эту модель.
API распознавания речи в реальном времени помогает командам, которые строят голосовых ассистентов. Оно не заменяет продукт, который архивирует человеку расшифровку с таймкодами, главы и вопросы — часто достаточно вставить ссылку.
Вставьте ссылку на лекцию или подкаст либо перетащите MP3. Нужна поисковая расшифровка, а не сокет wss://api.meta.ai/v1/asr/realtime.
Потоковый сырой текст всё равно надо читать. BibiGPT принимает тот же файл или ссылку и возвращает главы, расшифровку с таймкодами и заметки, по которым можно спрашивать.
Muse Image — другой релиз Meta 2026 года. У каждого намерения свой URL. Эта страница покрывает только голосовую модель от 09-01.
Ядро фактов из релиза Muse Voice Transcribe от Meta 2026-09-01.
Meta Superintelligence Labs вывела muse-voice-transcribe-1.0. Доступны Meta Model API, Meta AI for Mac и Muse Code. Открытых весов нет. На Mac удерживайте Fn, чтобы диктовать через Meta AI.
Каждые 80 мс (12,5 Гц) аудио становится токеном. Модель выбирает, слушать дальше или выдать текст. Адаптивная задержка обучается с подкреплением: награда за ошибку слова умножается на награду за задержку — сложные слова ждут дольше.
Специальные токены отмечают смену говорящего, метки A–Z (20+ человек), onset и endpoint. Meta утверждает, что длинное аудио больше часа не требует отдельного пайплайна постпроцессинга.
На старте Meta советует эти 25 достаточно проверенных языков; остальные тоже можно пробовать. Переключение кодов внутри и между предложениями нативное. Смещение по языку, ключевым словам и контексту повышает точность имён и жаргона.
Документация Meta указывает 0,18 доллара за час аудио. Meta заявляет первое место в потоковом speech-to-text и публичной диаризации Artificial Analysis на 2026-09-01. VentureBeat цитирует слайд релиза: AA-WER Streaming 3,1% на финальном тексте.
Где важен API распознавания в реальном времени — и какая работа у продукта «ссылка в заметки».
Командам нужны частичные результаты по WebSocket и детект границ хода — можно оценить Meta Model API. Готовую запись затем отдайте в BibiGPT, чтобы человек получил главы, а не сырую ленту событий.
Девяностоминутной лекции не нужен сокет распознавания в реальном времени. Вставьте URL или перетащите M4A, экспортируйте расшифровку с таймкодами и продолжайте спрашивать. Это продуктовый путь.
Muse Voice Transcribe — потоковое распознавание Meta от 09-01. Granite Speech 5.0 Turbo CTC — английские веса пропускной способности IBM. Gemini 3.5 Transcribe вышел 2026-08-26, live и файл — разные API. У каждого семейства свой URL; не склеивайте общую страницу «распознавание речи 2026».
Рабочие процессы расшифровки и заметок рядом с этим релизом.
Перетащите MP3, WAV или M4A и получите текст с таймкодами.
Превратите ссылку или файл видео в поисковую расшифровку.
Снимите полную расшифровку с URL YouTube.
Событийная страница английского ASR IBM от 2026-08-25.
Другой релиз Muse — картинки, не речь.
Факты релиза — из материалов самой Meta. Цена и слайд потокового рейтинга из независимой статьи отмечены отдельно.
2026-09-01 Meta Superintelligence Labs выпустила Muse Voice Transcribe — первую модель восприятия аудио в реальном времени семейства Muse Spark: поток ASR 80 мс, диаризация 20+, детект конца фразы, обучение на 70+ языках (25 достаточно проверены), нативное переключение кодов, нативная поддержка аудио длиннее часа. Meta заявляет первое место в потоковом speech-to-text Artificial Analysis на 2026-09-01.
Meta AI Research — Introducing Muse Voice Transcribe ↗Документация speech-to-text Meta перечисляет модель muse-voice-transcribe-1.0, realtime WebSocket и POST файла, 0,18 доллара за час аудио, таймкоды на уровне хода (не слова), 25 оценочных языков и переключение кодов.
Meta AI Developer — Speech to text ↗VentureBeat (2026-09) сообщает цену 0,18 доллара/час и цитирует слайд релиза Meta: AA-WER Streaming Artificial Analysis 3,1% на финальном тексте — ниже других потоковых систем на том же слайде.
VentureBeat — Meta prices Muse Voice Transcribe at $0.18 an hour ↗Gemini 3.5 Transcribe (2026-08-26) — другой релиз Google: цифры Artificial Analysis, которые цитирует Google, — потоковый WER 4,0%, непотоковый WER 2,6%, 85+ языков. Live и файл — разные API. Дата данных — 2026-08.
Google — Gemini 3.5 Transcribe launch（zettel dt-bibigpt-0008） ↗Потоковое автоматическое распознавание речи превращает звук в текст, пока аудио ещё поступает, не дожидаясь конца файла. Сначала появляются частичные токены, потом их можно исправить. Это конструкция задержки, не бренд.
Диаризация помечает в записи «кто говорил и когда». Система назначает метки говорящих ходам, чтобы протокол встречи разделял голоса. «Более 20 человек» означает большой набор меток, а не распознавание каждого имени.
Детект конца фразы отмечает начало и конец реплики, чтобы голосовой ассистент знал, когда перестать слушать и начать отвечать. Это смена хода, не пунктуация. Модель выдаёт токены onset и endpoint, а не ждёт кнопку стоп.
Почему люди каждый день используют BibiGPT, чтобы превращать видео в текст.
Нам доверяют более 50 000 пользователей по всему миру
“Вставляю ссылку — и через несколько секунд получаю чистые субтитры. Каждую неделю это экономит мне часы перепечатки.”
Maya R.
Контент-мейкер · Переупаковывает короткие видео
“Экспорт расшифровки позволяет повторять новые слова в своём темпе, не останавливая видео каждую минуту.”
Daniel K.
Изучает языки · Учится по реальным видео
“Точный текст с таймкодами, который можно цитировать напрямую. Незаметно стал частью моей ежедневной работы.”
Priya S.
Исследователь · Цитирует публичные выступления
FAQ
Спрашивайте что угодно.
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 Лучший ИИ-инструмент для краткого содержания видео Bilibili в 2026? BibiGPT поддерживает 30+ платформ с 1M+ пользователей. Вставьте любую ссылку Bilibili для мгновенного структурированного краткого содержания. Сравните топ-5 инструментов плюс автоматизацию через ИИ-агента.
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.
Вставьте ссылку YouTube, Bilibili или подкаста — или перетащите MP3, WAV, M4A. BibiGPT вернёт расшифровку с таймкодами, AI-саммари и поисковые заметки. Обновлено: 2026-09-07.
