The New Stack AIメディア報道·2026年9月2日 02:06·約5分

Meta、リアルタイム音声認識モデル「Muse Voice Transcribe」を発表し他社を凌駕

本文の状態

日本語全文あり

詳細モードで約5分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

The New Stack AI

30秒でわかる

Meta はリアルタイム音声認識モデル「Muse Voice Transcribe」を発表し、英語ベンチマークで競合他社を上回る精度を達成した。

記事の3ポイント

競合他社との性能比較
Artificial Analysis のベンチマークにおいて、Muse Voice Transcribe は英語認識の単語誤り率（WER）が 3.1% で、Cartesia や ElevenLabs などの主要競合を上回った。
高度な多言語・多話者対応
同モデルは 70 か国以上の言語に対応し、25 言語を厳密に検証済みで、会話中の言語切り替えや 1 時間を超える長文の認識も可能である。
適応的遅延（Adaptive Delay）技術
モデルが音声入力ごとにテキスト出力か次回の音声入力を判断する仕組みにより、難易度に応じて処理遅延を最適化し、リアルタイム性を向上させている。