Meta推出实时语音识别模型Muse Voice Transcribe，支持70多种语言、区分20多位说话者及长对话，在基准测试中词错误率3.1%，优于竞品。模型采用自适应延迟机制，通过强化学习平衡准确性与速度。API定价每小时0.18美元，但不开放权重。Meta因眼镜和Mac应用等产品需求，持续推动该技术发展。