תחרות ישירה מול גוגל: מטא חושפת מודל AI חדש

מטא השיקה את Muse Voice Transcribe, מודל בינה מלאכותית חדש לתמלול קולי בזמן אמת, שנועד להתמודד עם שיחות מורכבות, ריבוי דוברים ומעבר בין שפות במהלך הדיבור. המהלך מציב את מטא בחזית התחרות בתחום התמלול הקולי, ימים ספורים לאחר שגוגל הציגה מודל תמלול משלה.

המודל החדש מעבד את השמע בפולסים של 80 מילי-שניות ומשתמש במנגנון המכונה “השהיה מותאמת” (Adaptive Delay). בהתאם לתוכן, המערכת קובעת באופן עצמאי כמה זמן להמתין לפני שהיא מתמללת את הדברים: מילים פשוטות מתומללות באופן מיידי, בעוד שבמקרים מורכבים יותר המודל עשוי להמתין שבריר שנייה נוסף כדי לשפר את הדיוק.

אחת היכולות המרכזיות של המערכת היא התמודדות עם שיחות שבהן משתתפים מספר אנשים. Muse Voice Transcribe מסוגל לזהות ולהפריד בין יותר מ-20 דוברים שונים בזמן אמת, תוך זיהוי נקודת הסיום של דברי כל דובר והצמדת תווית מתאימה לתמלול. לפי מטא, המודל מסוגל להתמודד גם עם שיחות והרצאות שאורכן יותר משעה.

המערכת תומכת גם במעבר בין שפות במהלך אותו משפט. בנוסף, ניתן להזין מראש מידע כמו רשימת אנשי קשר, מיקומים ומילות מפתח, במטרה לסייע למודל לזהות שמות ומונחים מוכרים ולצמצם טעויות בתמלול.

Muse Voice Transcribe אומן ביותר מ-70 שפות, כאשר 25 מהן עברו תהליך אימות קפדני לקראת ההשקה. בניגוד למערכות שבהן יכולות שונות מבוצעות בשלבים נפרדים, מטא שילבה במודל אחד את זיהוי הדיבור, זיהוי נקודת העצירה של הדובר והפרדת הדוברים.

היכולות החדשות משולבות כבר באפליקציית Meta AI למחשבי מק וכן בסביבת התכנות Muse Code. משתמשי מק יכולים להפעיל את יכולת ההכתבה באמצעות לחיצה ממושכת על מקש Fn, כאשר המערכת מתייחסת גם להקשר של החלון הפתוח. כך ניתן, בין היתר, לנסח מסמכים, להשיב להודעות דוא”ל ואף לכתוב קוד באמצעות דיבור.

עבור מפתחים וארגונים, המודל זמין באמצעות Meta Model API. מטא מציעה גם מסלול הכולל “אפס שמירת נתונים”, שבמסגרתו קובצי השמע והתמלילים אינם נשמרים בשרתי החברה לאחר העיבוד. לפי החברה, אפשרות זו מיועדת גם לשימושים שבהם נדרשת רמת פרטיות גבוהה, בהם גופים רפואיים, משפטיים ופיננסיים.