平时参加线上会议，不少语音转写工具一到多人讨论就乱作一团，分不清是谁在发言，遇上背景嘈杂、说话中英夹杂，输出的文字错漏百出，会后整理记录要耗费大量时间。Meta今天上线全新流式音频模型Muse Voice Transcribe，把实时语音转写的体验往上提了一大截。不用等录音全部结束，说话的同时文字就同步生成，多人开会的时候，它能够自动区分每一位发言者，不用后期手动拆分标记。会议室里风扇、键盘带来的环境噪音干扰，也不会轻易打乱识别效果。平时做访谈、录制播客，多人对话内容可以直接生成实时字幕，句子里面中英文来回切换，也可以顺畅识别出来。结束之后直接拿到条理清晰的文稿，不用熬夜逐句听录音敲字。对于普通打工人来说，省去反复回放音频整理笔记的麻烦，大量节省时间。后续开发者接入这项能力之后，线上会议软件、播客工具都可以用上这套能力，普通人日常办公、做内容创作，都能实实在在感受到便利。