O novo modelo de transcrição de IA da Meta pode distinguir entre vários falantes e idiomas em tempo real
Meta lançou seu primeiro modelo de áudio em tempo real, Muse Voice Transcribe. O modelo pode lidar com ditado e transcrição para mais de 20 falantes e lidar perfeitamente com vários idiomas ao mesmo tempo, diz Meta.
O CEO da Meta, Mark Zuckerberg, que recentemente retornou ao X após três anos sem postar na plataforma, compartilhou um exemplo da capacidade do modelo de lidar com vários falantes e idiomas ao mesmo tempo. No vídeo, a transcrição é capaz de distinguir automaticamente entre vários falantes e alternar entre idiomas. É ainda capaz de captar a “troca de código” e transcrever frases que usam palavras de vários idiomas.
Muse Voice Transcribe é o primeiro modelo de percepção de áudio em tempo real do MSL – lançado hoje. SOTA no streaming de fala para texto, ele lida com a diarização do locutor e com o endpoint nativamente em um único modelo. pic.twitter.com/LViMDSkbim
-Mark Zuckerberg (@finkd) 1º de setembro de 2026
“O modelo decide quando ouvir. Ele espera um pouco mais nas palavras difíceis e se compromete mais rápido nas fáceis, usando atraso adaptativo para prever cada token e aumentar a precisão”, explicou. “Ele também suporta áudio real e confuso – treinado em mais de 70 idiomas (com 25 validados no lançamento), lida com troca de código no meio de frases e gerencia sessões de uma hora com mais de 20 falantes.
O lançamento do Meta ocorre menos de uma semana após o Google Gemini 3.5 Transcribe, seu próprio modelo de áudio que possui recursos semelhantes. Mas enquanto o Google está incorporando seu modelo de áudio no Android e (eventualmente) no Chrome, não está claro se a Meta tem planos de integrar o Muse Voice Transcribe em seus principais serviços.
Por enquanto, porém, as pessoas podem experimentar os recursos do novo modo no aplicativo Meta AI Mac lançado recentemente pela Meta. Como o aplicativo Mac é capaz de ativar recursos habilitados para voz em outros aplicativos, o Muse Voice Transcribe agora ativará recursos de ditado em outros serviços. O modelo também está disponível para desenvolvedores no Muse Code e na API Model da Meta. Custa US$ 3 por 1.000 minutos de áudio. Além disso, há uma versão demo do Muse Transcribe no blog de pesquisa do Meta.
3/ já ativando o ditado no aplicativo meta desktop e no código muse. ao vivo agora via metamodelo apihttps://t.co/MFosERCV0E pic.twitter.com/UESTQhKJrH
– Alexandr Wang (@alexandr_wang) 1º de setembro de 2026
Muse Voice Transcribe é o lançamento mais recente do Meta Superintelligence Lab (MSI), que vem produzindo novos modelos e ferramentas de IA. Nas últimas semanas, a empresa também lançou seu primeiro agente de codificação dedicado, um modelo open-weight e o já mencionado aplicativo Meta AI Mac.
