ענקית הטכנולוגיה Meta מרחיבה את יכולות הבינה המלאכותית הקולית שלה ומשיקה את Muse Voice Transcribe - מודל חדש של Meta Superintelligence Labs שמיועד לתמלול דיבור לטקסט בזמן אמת. המודל זמין באמצעות Meta Model API, באפליקציית Meta AI for Mac וב-Muse Code.
אחת היכולות הבולטות של המודל היא ההתמודדות עם שיחות מורכבות: הוא מסוגל לזהות ולהפריד בין יותר מ-20 דוברים שונים, לתמלל ביותר מ-70 שפות ואף להתמודד עם מעבר משפה לשפה במהלך אותה שיחה - ואפילו באמצע משפט.
כדי לשפר את דיוק התמלול, Muse Voice Transcribe מסוגל להיעזר גם בהקשר ובמילות מפתח. הוא תוכנן להתמודד עם הקלטות ארוכות של יותר משעה, ללא צורך בשלב נוסף של עיבוד לאחר סיום ההקלטה.
הכי מעניין
עוד כתבות בנושא
אחד החידושים המעניינים במודל נוגע דווקא לשאלה מתי לתמלל. במקום לפעול בקצב קבוע, המערכת מתאימה את מהירות התמלול באופן אוטומטי: במקרים שבהם הדברים ברורים היא יכולה להציג את הטקסט מיד, ובמקרים אחרים היא מסוגלת להמתין מעט כדי לקבל הקשר נוסף ולהבין בצורה טובה יותר מה נאמר.
לפי Meta, המודל מציג ביצועים מובילים בתחום. הוא מדורג במקום הראשון ב-Artificial Analysis בתחום תמלול דיבור לטקסט בזמן אמת, וכן במבחנים פומביים הבוחנים יכולת לזהות ולהפריד בין דוברים שונים בשיחה.
הטכנולוגיה אינה נשארת רק במעבדת המחקר. Muse Voice Transcribe כבר משמש את Meta גם להכתבה קולית ב-Meta AI וב-Muse Code.
כך, למשל, באפליקציית Meta AI למחשבי Mac ניתן ללחוץ על מקש Fn, להתחיל לדבר במקום להקליד - ולראות את הדברים הופכים לטקסט בזמן אמת.
ההשקה ממחישה את הכיוון שאליו מתקדמים ממשקי הבינה המלאכותית: פחות תלות במקלדת, ויכולת הולכת ומשתפרת להבין שיחה טבעית - גם כשהיא ארוכה, מרובת משתתפים ורב לשונית.