北京
Meta在语音转写这条赛道上，又往前推了一步。9月1日，Meta旗下MSL团队发布了新的Muse Voice Transcribe模型，并同步开放了API接口。这个模型主打流式语音转文字（streaming speech-to-text），训练语料覆盖了70多种语言。
消息发布后，Meta创始人扎克伯格（@finkd）的账号也转发了相关动态。从官方口径看，这个模型已经在Meta桌面应用的听写功能里跑起来了，同时Muse Code的语音输入也接入了它。也就是说，这不是一个停留在论文里的模型，而是已经落地到实际产品中的能力。
流式转写，为什么值得关注
流式语音转写和传统的先录音再转写有本质区别。流式意味着音频还在输入的过程中，文字就已经在实时生成，延迟被压到极低。这对实时字幕、会议记录、语音助手这类场景来说，体验差距是决定性的——你不需要等一段话说完，再等系统慢慢吐字。
Meta这次把SOTA（state-of-the-art，当前最优水平）作为卖点直接写在发布说明里，说明团队对模型在流式任务上的表现有相当信心。而70多种语言的支持范围，也让这个模型的适用面比很多只覆盖主流语种的方案要宽不少。
零数据留存，API的差异化打法
这次开放API时，Meta特别强调了一个点：提供零数据留存（zero-data-retention）的服务层级。这意味着开发者调用API时，音频数据不会被Meta留存用于模型训练或其他用途。在语音数据敏感度越来越高的当下，这个设计对企业和开发者来说是一个明确的信任信号。
从产品布局来看，Meta显然不打算只把语音转写能力锁在自己的应用里。开放API意味着第三方开发者可以直接调用这套能力，无论是做实时字幕工具、语音笔记应用，还是给客服系统加语音转写模块，都省去了从零训练模型的成本。
桌面应用和Muse Code已经用上了
官方信息显示，Meta桌面应用的听写功能已经在使用Muse Voice Transcribe，Muse Code的语音输入同样接入了这个模型。这种先内部落地、再对外开放的节奏，某种程度上也是一种验证——模型在真实产品场景里跑通了，才敢把API放出来给外部开发者用。
对于开发者来说，现在就可以去Meta的模型API页面申请接入。零数据留存层级的设置，让那些对数据合规有严格要求的团队多了一个选择。语音转写这个赛道竞争一直很激烈，Meta带着70多种语言和流式能力入场，接下来就看开发者怎么用了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
