Meta presentó Muse Voice Transcribe, su nuevo modelo de inteligencia artificial especializado en transcripción de audio en tiempo real, capaz de identificar quién habla dentro de conversaciones con más de 20 participantes. La tecnología, desarrollada por Meta Superintelligence Labs, también puede detectar cuándo termina una intervención y reconocer cambios de idioma mientras una persona continúa hablando.
Muse Voice Transcribe reconoce más de 20 voces y cambios de idioma
Una de las principales novedades de la herramienta es que reúne en un solo modelo funciones que normalmente requieren varios sistemas independientes. Muse Voice Transcribe puede transcribir las palabras mientras son pronunciadas, diferenciar a los participantes de una conversación y detectar el final de cada turno de habla, incluso en grabaciones que superan una hora de duración.
La nueva IA de Meta fue entrenada con más de 70 idiomas, aunque la compañía validó exhaustivamente 25 lenguas para esta primera versión. Entre ellas se encuentran español, chino, francés, hindi, japonés y vietnamita. Además, el sistema puede identificar cambios de idioma dentro de una misma oración o entre frases consecutivas, una función orientada especialmente a conversaciones bilingües.
El modelo incorpora también una tecnología denominada demora adaptativa, mediante la cual decide palabra por palabra cuánto tiempo necesita escuchar antes de generar la transcripción. Con este mecanismo, Meta busca mantener una respuesta rápida sin perjudicar la precisión cuando aparecen palabras complejas, acentos o expresiones que requieren mayor contexto. Según pruebas públicas citadas por la compañía, el sistema alcanzó una tasa de error de palabras de 3,1%.
Cómo acceder a la nueva inteligencia artificial de Meta
Muse Voice Transcribe ya se encuentra disponible para desarrolladores mediante la Meta Model API, desde donde puede integrarse en aplicaciones que necesiten reconocimiento de voz, identificación de participantes y transcripción automática. El servicio tiene un costo de 3 dólares por cada mil minutos de audio, equivalente aproximadamente a USD $ 0,18 por hora.
La tecnología también comenzó a utilizarse en el dictado por voz de Meta AI y Muse Code, además de estar disponible en la aplicación de Meta AI para Mac. Muse Voice Transcribe forma parte de la familia de inteligencia artificial Muse, que incluye otros modelos como Muse Spark, destinado al razonamiento multimodal; Muse Glimmer, diseñado para funcionar de manera local; y Muse Image, enfocado en la generación y edición de imágenes.
