Meta lança IA que transcreve conversas em tempo real e detecta troca de idioma
Muse Voice Transcribe reconhece até 20 falantes ao mesmo tempo, foi treinada em mais de 70 idiomas e já roda no Meta AI para Mac por US$ 3 a cada mil minutos de áudio.
Por Marina Sato · Repórter de IA
A Meta lançou em 1º de setembro o Muse Voice Transcribe, primeiro modelo de percepção de áudio em tempo real da companhia. Ele transcreve conversas enquanto elas acontecem, identifica até 20 pessoas falando ao mesmo tempo e reconhece quando alguém troca de idioma no meio de uma frase.
Como funciona
O modelo foi desenvolvido pela Meta Superintelligence Labs (MSL). Ele processa o áudio em blocos de 80 milissegundos e usa um mecanismo de "atraso adaptativo": o sistema ajusta, palavra por palavra, quanto tempo espera antes de cravar a transcrição, equilibrando velocidade e precisão. Esse ajuste é treinado por aprendizado por reforço, combinando uma recompensa por acerto (taxa de erro de palavras) com uma recompensa por rapidez.
A Meta treinou o Muse Voice Transcribe com mais de 70 idiomas. Desse total, 25 foram "extensivamente validados" para o lançamento — entre eles chinês, francês, hindi, japonês, espanhol e vietnamita, segundo o blog de pesquisa da própria empresa. O diferencial anunciado é o code-switching: o modelo reconhece a alternância de idiomas dentro da mesma conversa, inclusive no meio de uma frase, sem precisar reiniciar o reconhecimento.
Onde já está disponível
O modelo já está em operação em três frentes: ditado no aplicativo Meta AI para Mac, na ferramenta de programação Muse Code e via API de modelos da Meta, com preço de US$ 3 a cada mil minutos de áudio processado — o equivalente a US$ 0,18 por hora.
Em testes do site especializado Artificial Analysis, a Meta afirma ter alcançado o primeiro lugar em dois rankings: precisão de transcrição em streaming, com taxa de erro de 3,1% e latência de 0,16 segundo após o fim da fala, e identificação de participantes (diarização), com taxa de erro média de 17,5%. Os números foram divulgados pela própria Artificial Analysis em publicação de 1º de setembro.
O que falta responder
Fica em aberto quando — e se — o Muse Voice Transcribe chega a outros sistemas operacionais além do Mac, como Windows, Android ou iOS, e se a Meta vai integrá-lo a produtos como WhatsApp, Instagram ou os óculos Ray-Ban Meta. Também não há, até agora, comparação independente que confirme os números de precisão divulgados pela própria Meta e pela Artificial Analysis fora desse benchmark específico.