Meta Superintelligence Labs, gelişmiş ses tanıma mimarisine sahip yeni yapay zeka modeli Muse Voice Transcribe‘ı resmi olarak duyurdu. Tek bir altyapı üzerinden çalışan bu yenilikçi sistem; canlı sesleri anında metne dökme, konuşmacı kimliklerini ayrıştırma ve cümle bitişlerini hassasiyetle algılama süreçlerini eş zamanlı yürütüyor.
Kalabalık Oturumlar ve Dil Geçişlerinde Kesintisiz Performans
Sistem, herhangi bir ön işleme veya harici veri adımı gerektirmeden bir saati aşan ses kayıtlarını kolayca çözümleyebiliyor. Konuşmacı ayrımı (speaker diarization) kabiliyeti sayesinde, 20’den fazla kişinin katıldığı yoğun toplantılarda dahi kimin ne söylediğini doğru şekilde tespit ederek düzenli bir metin dökümü hazırlıyor.
Eğitim aşamasında 70’in üzerinde dilden yararlanılan modelin ilk sürümünde, 25 dil için kapsamlı doğrulama tamamlandı. Teknoloji, özellikle aynı cümle veya diyalog içerisinde birden fazla dilin kullanıldığı hibrit konuşmaları saptamakta oldukça başarılı. Özel isimler, teknik terimler ve sektörel kavramlar; anahtar kelime dizilimleri ve bağlam analizi sayesinde yüksek doğruluk oranıyla aktarılabiliyor.
80 Milisaniyelik Dinleme Pencereleri ve Uyarlanabilir Gecikme
Gelen ses akışını 80 milisaniyelik mikro dilimler halinde işleyen model, “uyarlanabilir gecikme” mantığıyla hareket ediyor. Sistem, net anlaşılan ifadeleri anında yazıya aktarırken; karmaşık veya belirsiz kelimelerde doğruluğu en üst seviyeye çıkarmak adına ek ses bağlamını beklemeyi tercih ediyor.
Konuşmadaki doğal duraksamalar ile cümlenin tamamen bitişi arasındaki farkı ayırt edebilen bu yapı, sesli komut sistemlerindeki yanıt sürelerini optimize ediyor. Yapılan performans testlerinde model, Artificial Analysis’in canlı konuşma tanıma sıralamasında birinciliğe yerleşti.
Erişim Kanalları ve Fiyatlandırma
Yeni ses altyapısı ilk olarak Meta AI masaüstü sürümündeki genel dikte sistemine ve kodlama platformu Muse Code’a entegre edildi. Geliştiricilerin Meta Model API aracılığıyla erişebildiği servisin kullanım bedeli, her 1000 dakikalık ses işleme için 3 dolar (saatlik yaklaşık 0,18 dolar) olarak belirlendi.
Google’ın yakın zamanda duyurduğu Gemini 3.5 Transcribe adımının hemen ardından gelen bu lansman, teknoloji devleri arasındaki rekabeti iyice kızıştırdı. Google yeni teknolojisini Android ve Chrome ekosistemine taşımayı hedeflerken, Meta’nın Muse Voice Transcribe’ı WhatsApp, Instagram veya Messenger gibi kitle iletişim platformlarına entegre edip etmeyeceği merak konusu.
Görsel: Gemini tarafından düzenlendi.
