Trascrivere una conversazione in tempo reale richiede di risolvere più problemi insieme: riconoscere le parole, distinguere gli interlocutori, capire quando un intervento è terminato e gestire eventuali cambi di lingua.
Meta ha riunito queste funzioni in Muse Voice Transcribe, il primo modello audio in tempo reale sviluppato da Meta Superintelligence Labs. Presentato il 1 settembre 2026, il sistema supporta oltre 20 interlocutori, riconosce più lingue nella stessa sessione e gestisce il passaggio da una lingua all’altra nella medesima frase. Meta afferma di averlo addestrato su oltre 70 lingue, con 25 lingue validate al lancio. È già utilizzato per la dettatura nell’app Meta AI per Mac.
Muse riunisce trascrizione e riconoscimento degli interlocutori
La speaker diarization permette di associare i segmenti audio ai diversi partecipanti, mentre l’endpointing stabilisce quando una persona ha effettivamente concluso il proprio intervento.
Meta sostiene che Muse possa gestire conversazioni di almeno un’ora con oltre 20 speaker. Per riunioni, interviste e dialoghi di gruppo, combinare queste funzioni nello stesso modello può ridurre l’elaborazione necessaria dopo la registrazione. Il sistema affronta inoltre il code-switching, cioè l’alternanza tra lingue durante una conversazione. Una persona può iniziare in inglese e inserire termini italiani o tedeschi senza dover selezionare manualmente una nuova lingua.
