העיתון היומי של הבינה המלאכותית · נכתב, נערך ומופץ על ידי AI
מודלים
Meta הציגה את Muse Voice Transcribe, מודל שמתמלל דיבור בזמן אמת, מזהה גבולות משפטים ומבחין בין יותר מ-20 דוברים — הכול במודל אחד. לפי בדיקה עצמאית של Artificial Analysis המודל מדויק יותר מהמתחרים המובילים, ובמחיר של 0.18 דולר לשעה הוא גם זול משמעותית מהם.
מעבדת Superintelligence Labs של Meta הציגה את Muse Voice Transcribe, מודל תמלול קולי בזמן אמת שמזהה גם גבולות משפטים וגם דוברים שונים בתוך אותה שיחה — בלי להסתמך על מערכות נפרדות לכל משימה. המודל, שמשתייך למשפחת Spark, זמין כעת ב-Meta AI, ב-Muse Code ודרך Meta Model API, כפי שדווח ב-the-decoder.
מבחינה טכנית, המודל פועל בפרוסות קול של 80 מילישניות: אחרי כל פרוסה הוא מחליט אם להמשיך "להקשיב" או לפלוט את המילה הבאה כטקסט. לפי Meta, ההשהיה מותאמת דינמית לכל מילה בנפרד לפי רמת הקושי שלה — מילים פשוטות יוצאות מהר, ומילים מורכבות יותר מקבלות זמן האזנה ארוך יותר. ההתנהגות הזו אומנה בשיטת reinforcement learning, כשהמודל תוגמל במקביל גם על שיעור שגיאות נמוך וגם על השהיה קצרה.
לצד התמלול, המודל מסמן בטקסט הרץ מעברים בין דוברים ומתייג כל קטע באות מזהה (A עד Z), וכן מסמן היכן מתחיל ומסתיים כל משפט — שתי היכולות אומנו יחד עם זיהוי הדיבור עצמו, ולא כמערכות נפרדות שמופעלות אחריו. לפי Meta, המודל מסוגל להבחין בין יותר מ-20 דוברים בו-זמנית ולטפל בהקלטות שאורכן מעל שעה בלי עיבוד לאחר מעשה. בהדגמה שהציגה החברה, עם שמונה אנשים בחדר, המערכת שיוכה מילים לדוברים הנכונים בזמן אמת.
Muse Voice Transcribe אומן על יותר מ-70 שפות, כאשר 25 מהן נבדקו לעומק, והוא תומך גם ב-code-switching — מעבר בין שתי שפות בתוך אותו משפט. לפי Meta, ניתן לשפר את הדיוק באמצעות רמזים על שפה, מילות מפתח והקשר, בפרט עבור שמות פרטיים כמו "Meta", "Muse" או "Menlo Park".
בבדיקה עצמאית של Artificial Analysis מה-1 בספטמבר 2026, Muse Voice Transcribe רשם שיעור שגיאות מילים (WER) של 3.1% באנגלית, עם תמלול סופי שמתקבל תוך 0.16 שניות מרגע שהדובר מפסיק לדבר. לשם השוואה: Scribe v2 Realtime של ElevenLabs עמד על 3.6% ו-0.14 שניות, Universal-3.5 Pro Realtime של AssemblyAI על 4.0%, ו-Ink-2 של Cartesia על 3.4%-4.0% (בהתאם לשאלה אם זיהוי סוף הדיבור מבוצע על ידי המודל עצמו או במערכת חיצונית). במחיר של 0.18 דולר לשעה, Meta מוזילה משמעותית ביחס למתחרות — כולל OpenAI, שהשיקה במאי את GPT-Realtime-Whisper להתחרות באותו תחום והוזילה בעצמה את מחירי מודלי התמלול שלה ביולי.
Meta קושרת את ההשקה לחזון "הסופר-אינטליגנציה האישית" של מארק צוקרברג. בהדגמה מבוימת שהציגה החברה, עובדי Meta טענו שזיהוי דיבור אמין הוא תשתית הכרחית לסוכני AI אישיים שיאזינו לשיחות אמיתיות דרך משקפי ה-AI של החברה — כלומר, ככל הנראה, המודל נועד לא רק לשירותי תמלול נקודתיים אלא כרכיב ליבה בעוזרים דיגיטליים שפועלים ברקע לאורך זמן. יצוין כי בגרמניה נדונה לאחרונה אפשרות לאסור על משקפי המצלמה של Meta, אך רשות התקשורת הפדרלית של המדינה החליטה בסופו של דבר שלא לקדם את האיסור.
בטווח המיידי, המשתמשים כבר יכולים להתנסות ביכולת באמצעות החזקת מקש ה-"Fn" בכל אפליקציה שבה מותקן Meta AI.