Meta Superintelligence Labs 于 9 月 1 日推出首个实时音频感知模型 Muse Voice Transcribe：流式 ASR、20+ 说话人 diarization、endpointing，原生支持句内/句间语码转换，训练覆盖 70+ 语言（首发验证 25 种），可处理超一小时音频。官方称在 Artificial Analysis 流式语音转写榜单排名第一（截至 9 月 1 日）。已接入 Meta AI for Mac（按住 Fn 全局听写）、Muse Code，并向 Meta Model API 开放，定价为每 1000 音频分钟 3 美元（约合每小时 0.18 美元）。
核心要点速览 (Key Takeaways)
- ✓流式 ASR + 说话人分离 + 端点检测一体，无需后处理拼流水线
- ✓Mac 全局听写与 Muse Code 已切换到该模型；开发者可走 Meta Model API
- ✓API 价约 0.18 美元/小时；自适应 delay 在速度与准确率之间动态权衡