MuseVoice

Muse Voice Transcribe 是 Meta Superintelligence Labs 的实时音频感知模型。Meta 表示它结合了流式自动语音识别、说话人分离和端点检测，支持多语言和语言切换，并具有语言、关键词和上下文偏差功能。

Meta 官方研究页面包含一个实时 Muse Voice Transcribe 演示。在此页面上，您还可以尝试围绕转录的实用浏览器工作流程：上传或录制自己的媒体，查看带时间戳的文本，重命名说话人，并导出结果。

目前还没有。浏览器工作区目前使用 Muse Voice 的现有转录服务，而官方 Meta 模型 API 处理正在评估中。该页面将 Meta 模型的功能归于 Meta，并不将此工作区作为官方实时模型演示。

是的。验证新账户可获得 5 分钟的转录时间，足以测试从录入到审查和导出的短录音。当前计划和分钟配额列在定价页面上。

您可以上传常见的音频格式，如 MP3、WAV、M4A 和 FLAC，或视频格式如 MP4 和 MOV，每文件最大 1 GB。您也可以在浏览器中录制或粘贴一个受支持的托管媒体 URL。

是的，当您为任务启用说话人分离时。录音会被拆分为多个部分，并带有通用标签，如 Speaker 1。一旦重命名标签，更改会应用于匹配的片段和后续导出。

Meta 报告称 Muse Voice Transcribe 在 70 多种语言上进行了训练，其中 25 种经过广泛验证，并支持语言切换。浏览器工作区通过其当前供应商接受约 100 种可选择或自动检测的语言；质量因录音和语言而异，不应将其视为对 Meta 模型的测试。

准确性取决于音频质量、口音、交叉对话、背景噪音和不熟悉的名字。请将每个自动结果视为草稿：在分享或发布前重新播放重要时刻并验证名字、数字、引语和承诺。

是的。首先审查转录内容，然后导出 TXT 或 DOCX 用于写作，PDF 用于固定阅读版本，SRT 或 VTT 用于字幕，或 JSON 用于其他系统需要时间戳和结构化段落的情况。

您的媒体和转录内容存储在您的账户中，并保留在那里直到您删除它们。删除录音会从您的账户中删除它及其转录内容，并从我们的存储中删除存储的音频文件。转录是在服务器端进行的，而不是在您的浏览器内，因为这是模型运行的地方。如果您的材料敏感，请阅读隐私政策并决定哪些内容适合上传。

MuseVoice 支持 6 种导出格式，包括 TXT、CSV、JSON、VTT、SRT 和 WORD。这些格式适用于不同的使用场景，例如文本编辑、字幕制作或数据分析。

是的，MuseVoice 支持说话人标签功能，可以区分并标记不同说话人的语音内容，适用于会议记录、访谈等多说话人场景。

MuseVoice 的时间戳功能可以精确标注每个语音片段的开始和结束时间，适用于需要同步音频与字幕、制作视频字幕或进行语音分析的场景。