什麼是串流語音辨識？
串流自動語音辨識在音訊還在進入時就把聲音變成文字，而不是等檔案結束。先出現部分文字，後面可以改。這是延遲設計，不是品牌名。
Muse Voice Transcribe 解讀——2026-09-01 Meta 上線了什麼
截至 2026-09-07：Meta Superintelligence Labs 於 2026-09-01 發布 Muse Voice Transcribe，以 80ms 分塊做即時串流語音辨識，同一模型覆蓋 20+ 說話人分離和端點偵測。Meta 稱截至 2026-09-01 在 Artificial Analysis 串流語音轉寫榜上排名第一。若你只想把檔案或講座連結轉成文字，用下面的工具即可，不必打開 Meta API 主控台。
發布 · 2026-09-01 80ms 串流語音辨識 下方可試用
Transcribe a file right here
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without opening Meta Model API.
將 BibiGPT 設為 Google 優先來源 在熱門報導和 AI 總覽裡看到更多 BibiGPT。 
1 
2 
3
關鍵事實（90 秒讀完）
截至 2026-09-07：Meta Superintelligence Labs 於 2026-09-01 發布 Muse Voice Transcribe。這是即時音訊感知模型：80ms 串流語音辨識、20+ 說話人分離、端點偵測，一遍完成。Meta 稱截至 2026-09-01 在 Artificial Analysis 串流語音轉寫榜排名第一。Meta Model API 標價每小時音訊 0.18 美元。最近更新：2026-09-07。
Features
Muse Voice Transcribe 實際是什麼
這是 Meta Superintelligence Labs 的託管即時音訊感知模型，屬於 Muse Spark 家族。它不是 Muse Image。Meta 文件裡的模型 ID 是 muse-voice-transcribe-1.0。
80ms 串流語音辨識（2026-09-01）
音訊按 80ms、12.5 Hz 分塊。模型自己決定是繼續聽還是吐出一個文字片段。Meta 稱之為自適應延遲：用強化學習在「多等一會兒」和「詞更準」之間做權衡。
說話人分離和端點偵測走同一遍
說話人標籤覆蓋 20 人以上。端點標記語音起止。Meta 稱不需要單獨的後處理步驟。這些說法以研究頁為準。
每小時音訊 0.18 美元，僅 API
Meta 語音轉文字文件列出：處理一小時音訊 0.18 美元（每 1000 分鐘 3 美元），串流和檔案上傳同價。沒有開源權重。Mac 上 Meta AI 和 Muse Code 的語音聽寫已經在用這個模型。
如果你要處理長音訊，這意味著什麼
即時語音辨識 API 幫的是在做語音助手的團隊。它替代不了給人類歸檔帶時間戳的文字稿、章節和追問的產品——後者往往只需要貼一條連結。
你不必打開 Model API 主控台
貼上講座或播客連結，或拖入 MP3。要的是能搜尋的文字稿，不是去握 wss://api.meta.ai/v1/asr/realtime 這根 WebSocket。
文字稿是介面，不是成品
串流原文仍要人讀。BibiGPT 吃同一份檔案或連結，回傳章節、帶時間戳的文字稿，以及可以追問的筆記。
這是 Voice Transcribe，不是 Muse Image
Muse Image 是 Meta 另一次 2026 發布。每種意圖各留一個 URL。本頁只覆蓋 09-01 的語音模型。
5 條關鍵變化（90 秒讀完）
來自 Meta 2026-09-01 Muse Voice Transcribe 發布的核心事實。
- 1
2026-09-01 發布，僅託管
Meta Superintelligence Labs 以 muse-voice-transcribe-1.0 上線。可透過 Meta Model API、Mac 版 Meta AI 和 Muse Code 使用。沒有開源權重。在 Mac 上按住 Fn，即可透過 Meta AI 聽寫。
- 2
80ms 分塊與自適應延遲
音訊每 80ms（12.5 Hz）變成一個文字單元。模型選擇繼續聽還是輸出文字。自適應延遲用強化學習訓練，把字錯誤獎勵和延遲獎勵相乘，難詞就多等一會兒。
- 3
說話人分離和端點偵測共享辨識遍
特殊標記說話人切換、說話人標籤 A–Z（20+ 人）、語音 onset 和 endpoint。Meta 稱超過一小時的長音訊也不需要額外後處理流程。
- 4
訓練 70+ 語，驗證 25 語
首發 Meta 建議先用這 25 種充分驗證的語言，其餘也可試。句內和句間語碼轉換是原生的。語言、關鍵詞和上下文偏置可以提高專名和行話的準確率。
- 5
每小時 0.18 美元，外加一份獨立串流榜
Meta 文件列出處理一小時音訊 0.18 美元。Meta 稱截至 2026-09-01 在 Artificial Analysis 串流語音轉寫和公開說話人分離榜上排名第一。VentureBeat 引用發布圖：AA-WER Streaming 最終稿字錯誤率 3.1%。
BibiGPT 使用者的 3 個典型場景
即時語音辨識 API 哪裡重要——以及「連結變筆記」產品真正要幹的活在哪。
你在做語音助手
需要 WebSocket 部分結果和模型偵測話輪邊界的團隊，可以評估 Meta Model API。然後再把成品錄音丟進 BibiGPT，讓人拿到章節，而不是一串原始事件。
你只想把課堂錄音轉成文字
九十分鐘講座不需要即時語音辨識通訊端。貼上 URL 或拖入 M4A，匯出帶時間戳的文字稿，繼續追問。這就是產品路徑。
你在追蹤 2026 的語音發布
Muse Voice Transcribe 是 Meta 09-01 的串流語音辨識。Granite Speech 5.0 Turbo CTC 是 IBM 的英語吞吐權重。Gemini 3.5 Transcribe 於 2026-08-26 發布，直播和檔案是不同介面。每個家族各留一個 URL；不要合成一張籠統的「2026 語音辨識」頁。
相關 BibiGPT 工具
與這次發布配套的轉寫與筆記工作流。
來源
發布事實來自 Meta 自家文章。標價和串流榜圖的獨立報導另行標註。
-
2026-09-01，Meta Superintelligence Labs 發布 Muse Voice Transcribe，作為 Muse Spark 家族首個即時音訊感知模型：80ms 串流語音辨識、20+ 說話人分離、端點偵測、訓練 70+ 語（25 語充分驗證）、原生語碼轉換、原生支援超過一小時長音訊。Meta 稱截至 2026-09-01 在 Artificial Analysis 串流語音轉寫榜排名第一。
Meta AI Research — Introducing Muse Voice Transcribe ↗ -
Meta 語音轉文字文件列出模型 muse-voice-transcribe-1.0、即時 WebSocket 與檔案 POST 介面、處理一小時音訊 0.18 美元、話輪級時間戳（不是詞級），以及 25 種評測語言與語碼轉換。
Meta AI Developer — Speech to text ↗ -
VentureBeat（2026-09）報導 0.18 美元／小時標價，並引用 Meta 發布圖：Artificial Analysis AA-WER Streaming 最終稿字錯誤率 3.1%，高於該圖上列出的其他串流系統。
VentureBeat — Meta prices Muse Voice Transcribe at $0.18 an hour ↗ -
Gemini 3.5 Transcribe（2026-08-26）是 Google 另一次發布：Google 引用的 Artificial Analysis 數字為串流 WER 4.0%、非串流 WER 2.6%，覆蓋 85+ 語言。直播和檔案是不同介面。資料時點 2026-08。
Google — Gemini 3.5 Transcribe launch（zettel dt-bibigpt-0008） ↗
本頁用到的術語
什麼是說話人分離？
說話人分離給錄音裡「誰在何時說話」打標籤。系統給話輪分配說話人標記，會議稿才能把不同聲音分開。宣稱覆蓋 20 人以上，只說明標籤集合夠大，並不等於認出每個人的名字。
語音辨識裡的端點偵測是什麼？
端點偵測標記一段話的起止，讓語音助手知道何時停止收聽、開始回答。這是話輪切換，不是標點。模型吐出 onset 和 結束標記，而不是等人按停止鍵。
深受創作者、學生和研究人員的喜愛
看看大家為什麼每天都用 BibiGPT 把影片轉成文字。
全球 50,000+ 使用者的信賴之選
★★★★★
“貼上連結幾秒鐘就拿到乾淨的字幕文字，每週幫我省下好幾個小時的手動整理時間。”
Maya R.
內容創作者 · 二次創作短影片
★★★★★
“匯出逐字稿後我可以按自己的節奏複習生詞，再也不用反覆暫停影片了。”
Daniel K.
語言學習者 · 用真實影片學外語
★★★★★
“準確、帶時間戳的文字可以直接引用，它已經悄悄成為我日常工作流程的一部分。”
Priya S.
研究人員 · 引用公開演講
FAQ
常見問題
歡迎提問！
Popular guides
1 How to Install Skills in DeepSeek Harness: A Hands-On Guide to Teaching dsh to Watch Videos
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 B站AI影片摘要工具推薦：BibiGPT一鍵摘要30+平台影片（2026精選）
B站AI影片摘要工具哪個好？BibiGPT支援30+平台、100萬+用戶信賴，一鍵貼上連結即可產生結構化摘要。本文深度對比5大工具，含AI Agent 自動化方案。
3 Bilibili Transcript Tools Compared: Best Subtitle Extractors in 2026
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.
跳過 API 握手，在這裡語音轉文字
貼上 YouTube、B 站或播客連結——或拖入 MP3、WAV、M4A。BibiGPT 回傳帶時間戳的文字稿、AI 總結，以及能搜尋的筆記。最近更新：2026-09-07。