Meta estrena Muse Voice Transcribe, un modelo multimodal de la familia Muse Spark diseñado para realizar transcripciones precisas mediante reconocimiento de voz en tiempo real capaz de identificar múltiples interlocutores simultáneamente.
Innovación técnica en el procesamiento de audio
La arquitectura de este sistema emplea fragmentos de audio de 80 milisegundos con una técnica de retraso adaptativo que ajusta dinámicamente la predicción de palabras según la complejidad del contenido para equilibrar la velocidad y la precisión.
Capacidades de identificación y alcance multilingüe
El modelo permite distinguir hasta 20 participantes en una conversación identificándolos mediante etiquetas individuales y cuenta con entrenamiento en más de 70 idiomas aunque solo 25 de ellos han alcanzado una verificación exhaustiva. Entre los lenguajes verificados figuran el español junto con el portugués, el alemán, el italiano, el inglés, el chino mandarín y el árabe.
Optimización para flujos de trabajo extensos
Esta tecnología admite entradas de audio con una duración superior a una hora y potencia la exactitud de los resultados mediante la integración de sesgos específicos por idioma, el uso de palabras clave y el reconocimiento del contexto proporcionado. El desarrollo fue liderado por Meta Superintelligence Labs para consolidar una herramienta capaz de gestionar entornos conversacionales complejos de manera nativa.
(Con información de Europa Press)
