Metaの新モデルは同時に話す20人を聞き分ける。
Metaは9月1日、初のリアルタイム音声モデルMuse Voice Transcribeを出した。一回の処理で文字を書き、話者を分け、話し終えて0.16秒後に確定稿を返す。重みは配らず、音声千分あたり三ドルのAPIとしてだけ売る。
なぜ重要か字幕も議事録も、これまでは三つのモデルを継ぎ足してやっと形になっていた。一つにまとまれば、一日中つけっぱなしにしても値段が気にならない。
アプリで読む——無料・9言語
関連ニュース
Runwayの新モデルが毎秒24コマの遊べる世界を生成する。2026-09-05攻撃者が人気のAI構築ツールからOpenAIの鍵を盗んでいる
2026-09-04米国の医師が患者記録をChatGPTに取り込めるようになった。
2026-09-03Jioがインドの古いパソコンへクラウドPCを届けます。
2026-09-03この道具は語句ではなく筋を書き換えてAI臭を消す。
2026-09-02