Meta Rilis Muse Voice Transcribe, Model AI yang Bisa Bedakan 20 Pembicara dan Banyak Bahasa

Meta merilis Muse Voice Transcribe, model AI audio real-time yang mampu mengenali lebih dari 20 pembicara dan memproses lebih dari 70 bahasa dalam satu sesi. Model ini mendukung dikte, transkripsi, serta pengenalan fenomena code-switching, yaitu campuran bahasa dalam satu kalimat. Muse Voice Transcribe dilatih untuk menangani kondisi audio dunia nyata yang tidak sempurna, seperti pergantian bahasa di tengah kalimat dan sesi berdurasi satu jam dengan banyak peserta.

Menurut CEO Meta Mark Zuckerberg, model ini menggunakan jeda adaptif untuk memprediksi token dan meningkatkan akurasi, dengan kecepatan pemrosesan yang menyesuaikan kesulitan kata. Saat peluncuran, 25 dari 70 bahasa yang dilatih telah tervalidasi. Demonstrasi yang dibagikan menunjukkan kemampuan sistem untuk secara otomatis membedakan pembicara dan beralih bahasa sesuai alur percakapan.

Peluncuran ini terjadi tak lama setelah Google merilis Gemini 3.5 Transcribe, yang sudah terintegrasi dengan berbagai produk seperti Android dan Chrome. Namun, belum diketahui apakah Meta akan menggabungkan Muse Voice Transcribe ke dalam layanan utamanya.