อธิบาย Muse Voice Transcribe — Meta ปล่อยอะไรเมื่อ 2026-09-01

5 การเปลี่ยนแปลงสำคัญ (90 วินาที)

ข้อเท็จจริงหลักจากการเปิดตัว Muse Voice Transcribe ของ Meta เมื่อ 2026-09-01

1. 1

   เปิด 2026-09-01 โฮสต์อย่างเดียว

   Meta Superintelligence Labs ปล่อย muse-voice-transcribe-1.0 ใช้ได้ผ่าน Meta Model API, Meta AI for Mac และ Muse Code ไม่มีน้ำหนักโอเพนซอร์ส บน Mac กด Fn ค้างเพื่อพิมพ์ตามเสียงผ่าน Meta AI

2. 2

   ก้อน 80ms และความหน่วงแบบปรับได้

   เสียงทุก 80ms (12.5 Hz) กลายเป็นโทเคน โมเดลเลือกฟังต่อหรือส่งข้อความ ความหน่วงแบบปรับได้ฝึกด้วยการเรียนรู้แบบเสริมกำลัง คูณรางวัลคำผิดกับรางวัลความหน่วง — คำยากรอนานกว่า

3. 3

   แยกผู้พูดและ endpoint ใช้รอบรู้จำร่วมกัน

   โทเคนพิเศษทำเครื่องหมายเปลี่ยนผู้พูด ป้าย A–Z (20+ คน) onset และ endpoint Meta ระบุว่าเสียงยาวกว่าหนึ่งชั่วโมงก็ไม่ต้องไปป์ไลน์หลังประมวลผลเพิ่ม

4. 4

   ฝึก 70+ ภาษา ตรวจ 25 ภาษา

   ช่วงเปิดตัว Meta แนะนำ 25 ภาษาที่ตรวจแล้ว ภาษาที่เหลือลองได้ การสลับรหัสในประโยคและระหว่างประโยคเป็นเนทีฟ ไบแอสภาษา คำสำคัญ และบริบทช่วยชื่อเฉพาะและศัพท์วงการให้แม่นขึ้น

5. 5

   0.18 ดอลลาร์ต่อชั่วโมงบวกกระดานสตรีมมิงอิสระ

   เอกสาร Meta ระบุ 0.18 ดอลลาร์ต่อชั่วโมงเสียง Meta ระบุว่าอยู่อันดับหนึ่งในกระดาน speech-to-text สตรีมมิงและการแยกผู้พูดสาธารณะของ Artificial Analysis ณ 2026-09-01 VentureBeat อ้างสไลด์เปิดตัว: AA-WER Streaming อัตราคำผิดฉบับสุดท้าย 3.1%

3 สถานการณ์แบบฉบับของผู้ใช้ BibiGPT

API ASR เรียลไทม์สำคัญตรงไหน — และงานจริงของผลิตภัณฑ์ 「ลิงก์เป็นโน้ต」 อยู่ตรงไหน

เครื่องมือ BibiGPT ที่เกี่ยวข้อง

เวิร์กโฟลว์ถอดเสียงและโน้ตที่คู่กับการเปิดตัวนี้

แหล่งที่มา

ข้อเท็จจริงการเปิดตัวมาจากบทความของ Meta เอง ราคาและสไลด์กระดานสตรีมมิงจากรายงานอิสระระบุแยก

• 2026-09-01 Meta Superintelligence Labs เปิด Muse Voice Transcribe เป็นโมเดลรับรู้เสียงเรียลไทม์แรกของตระกูล Muse Spark: ASR สตรีมมิง 80ms, แยกผู้พูด 20+, ตรวจจับ endpoint, ฝึก 70+ ภาษา (25 ภาษาตรวจแล้ว), สลับรหัสเนทีฟ, รองรับเนทีฟเสียงยาวกว่าหนึ่งชั่วโมง Meta ระบุว่าอยู่อันดับหนึ่งในกระดาน speech-to-text สตรีมมิงของ Artificial Analysis ณ 2026-09-01

  Meta AI Research — Introducing Muse Voice Transcribe ↗

• เอกสาร speech-to-text ของ Meta ระบุโมเดล muse-voice-transcribe-1.0, WebSocket เรียลไทม์และ POST ไฟล์, 0.18 ดอลลาร์ต่อชั่วโมงเสียง, ไทม์สแตมป์ระดับเทิร์น (ไม่ใช่ระดับคำ) รวม 25 ภาษาประเมินและการสลับรหัส

  Meta AI Developer — Speech to text ↗

• VentureBeat (2026-09) รายงานราคา 0.18 ดอลลาร์/ชั่วโมง และอ้างสไลด์เปิดตัวของ Meta: AA-WER Streaming ของ Artificial Analysis อัตราคำผิดฉบับสุดท้าย 3.1% ต่ำกว่าระบบสตรีมมิงอื่นบนสไลด์เดียวกัน

  VentureBeat — Meta prices Muse Voice Transcribe at $0.18 an hour ↗

• Gemini 3.5 Transcribe (2026-08-26) เป็นอีกการเปิดตัวของ Google: ตัวเลข Artificial Analysis ที่ Google อ้างคือ WER สตรีมมิง 4.0%, WER นอกสตรีม 2.6%, 85+ ภาษา ไลฟ์กับไฟล์เป็น API คนละตัว จุดข้อมูล 2026-08

  Google — Gemini 3.5 Transcribe launch（zettel dt-bibigpt-0008） ↗

คำศัพท์ในหน้านี้

เป็นที่ชื่นชอบของครีเอเตอร์ นักเรียน และนักวิจัย

เหตุผลที่ผู้คนใช้ BibiGPT แปลงวิดีโอเป็นข้อความทุกวัน

ผู้ใช้กว่า 50,000 คนทั่วโลกไว้วางใจ

เครื่องมือฟรีเพิ่มเติม

สำรวจเครื่องมือบนเบราว์เซอร์อื่นของเรา — ฟรีทั้งหมด ไม่ต้องสมัครสมาชิก