Muse Voice Transcribe 1.0

Muse Voice Transcribe 1.0 是 Meta 推出的一款同步语音转文本模型。它适用于按下说话（push-to-talk）、端点检测（endpointing）和说话人感知转录，支持通过关键词偏置处理领域术语，并通过语言名称提示实现语言偏置。该模型接受单声道 16 位 PCM WAV 音频，采样率为 16 kHz 或 24 kHz，可处理最长 10 分钟的录音。它不提供词级时间戳或置信度分数，其他音频格式必须在上传前转换为 WAV。