Meta Rilis Muse Voice Transcribe, AI Transkripsi Real-Time Multi-Bahasa

Telset.id – Meta resmi memperkenalkan Muse Voice Transcribe, model audio real-time pertama dari Meta Superintelligence Lab (MSI). Model ini mampu menangani dikte dan transkripsi untuk lebih dari 20 pembicara sekaligus, serta dapat berpindah bahasa secara mulus dalam satu sesi. Peluncuran ini menandai langkah signifikan Meta dalam teknologi speech-to-text, sekaligus menjawab kebutuhan transkripsi yang semakin kompleks di era komunikasi global.

Model ini hadir kurang dari seminggu setelah Google meluncurkan Gemini 3.5 Transcribe, yang menawarkan kemampuan serupa. Persaingan antara dua raksasa teknologi ini menunjukkan betapa pentingnya teknologi transkripsi real-time dalam ekosistem AI. Namun, Meta memiliki keunggulan tersendiri dengan kemampuan adaptifnya yang disebut mampu menangani audio “kotor” atau tidak sempurna dari dunia nyata.

CEO Meta, Mark Zuckerberg, baru-baru ini kembali aktif di platform X setelah tiga tahun tidak memposting. Ia membagikan contoh kemampuan model ini dalam menangani banyak pembicara dan bahasa secara bersamaan. Dalam video yang dibagikannya, transkripsi secara otomatis dapat membedakan beberapa pembicara dan berpindah bahasa. Yang lebih menarik, model ini mampu mendeteksi “code-switching” dan mentranskripsikan kalimat yang menggunakan kata-kata dari berbagai bahasa.

“Model ini memutuskan kapan harus mendengarkan. Ia menunggu sedikit lebih lama pada kata-kata sulit dan berkomitmen lebih cepat pada kata-kata mudah, menggunakan penundaan adaptif untuk memprediksi setiap token dan meningkatkan akurasi,” jelas Zuckerberg dalam unggahannya. Ia juga menambahkan bahwa model ini dilatih di lebih dari 70 bahasa, dengan 25 bahasa yang tervalidasi saat peluncuran.

Muse Voice Transcribe mampu menangani sesi hingga satu jam dengan lebih dari 20 pembicara. Kemampuan ini menjadikannya solusi yang sangat berguna untuk berbagai skenario, mulai dari rapat bisnis, wawancara, hingga konferensi internasional. Teknologi diarization pembicara yang tertanam secara native dalam satu model menjadi nilai tambah yang signifikan dibandingkan solusi transkripsi tradisional yang memerlukan beberapa model terpisah.

Model ini merupakan pencapaian terbaru dari Meta Superintelligence Lab (MSI), yang terus merilis model dan alat AI baru. Dalam beberapa minggu terakhir, Meta juga memperkenalkan agen coding khusus pertamanya, model open-weight, dan aplikasi Meta AI Mac yang disebutkan sebelumnya. Langkah agresif ini menunjukkan komitmen Meta dalam mengembangkan teknologi AI di berbagai bidang.

Bagi pengguna yang ingin mencoba kemampuan Muse Voice Transcribe, saat ini model tersebut sudah dapat diakses melalui aplikasi Meta AI Mac yang baru dirilis. Karena aplikasi Mac ini mampu mendukung fitur berbasis suara di aplikasi lain, Muse Voice Transcribe akan mendukung fitur dikte di berbagai layanan. Pengembang juga dapat mengakses model ini melalui Muse Code dan Meta Model API dengan harga US$3 per 1.000 menit audio.

Selain itu, Meta juga menyediakan versi demo dari Muse Transcribe di blog penelitian mereka. Hal ini memungkinkan para peneliti dan pengembang untuk mengeksplorasi kemampuan model secara langsung sebelum memutuskan untuk mengintegrasikannya ke dalam produk mereka.

Salah satu aspek yang membedakan Muse Voice Transcribe dari kompetitornya adalah pendekatan adaptifnya terhadap audio. Model ini dilatih untuk menangani audio yang tidak sempurna dari dunia nyata, termasuk kebisingan latar belakang, aksen yang berbeda, dan transisi bahasa yang cepat. Kemampuan ini menjadikannya alat yang sangat berharga untuk situasi di mana kualitas audio tidak selalu ideal.

Meta mengklaim model ini mencapai status state-of-the-art (SOTA) dalam streaming speech-to-text. Kemampuan speaker diarization dan endpointing yang tertanam native dalam satu model menjadi inovasi yang signifikan. Sebelumnya, teknologi semacam ini biasanya memerlukan beberapa model terpisah yang bekerja secara berurutan, yang seringkali memperlambat proses dan mengurangi akurasi.

Meskipun Google telah mengintegrasikan model audionya ke dalam Android dan berencana ke Chrome, Meta belum mengumumkan rencana integrasi Muse Voice Transcribe ke dalam layanan utamanya. Namun, ketersediaannya melalui Meta Model API menunjukkan bahwa Meta membuka peluang bagi pengembang pihak ketiga untuk memanfaatkan teknologi ini.

Potensi penggunaan Muse Voice Transcribe sangat luas. Dalam konteks bisnis, model ini dapat digunakan untuk otomatisasi notulen rapat, transkripsi wawancara, atau bahkan layanan penerjemahan real-time. Untuk industri media dan konten, teknologi ini dapat mempercepat proses subtitling dan transkripsi konten video. Sementara itu, untuk pengguna individu, fitur dikte yang ditenagai oleh model ini dapat meningkatkan produktivitas dalam menulis atau berkomunikasi.

Meta tampaknya serius dalam pengembangan teknologi AI, termasuk dalam hal transkripsi audio. Dengan peluncuran Muse Voice Transcribe, Meta tidak hanya mengejar ketertinggalan dari Google, tetapi juga menawarkan pendekatan yang berbeda dengan fokus pada kemampuan adaptif dan penanganan audio kompleks.

Ke depannya, integrasi Muse Voice Transcribe ke dalam ekosistem Meta dapat membuka berbagai kemungkinan baru. Mulai dari peningkatan fitur asisten virtual, kemampuan penerjemahan real-time di aplikasi perpesanan, hingga pengembangan alat bantu untuk penyandang disabilitas. Namun, semua ini masih menunggu pengumuman resmi dari Meta mengenai rencana integrasi tersebut.

Bagi para pengembang dan perusahaan yang tertarik memanfaatkan teknologi ini, ketersediaan melalui Meta Model API dengan harga yang relatif terjangkau menjadi pintu masuk yang menarik. Dengan biaya US$3 per 1.000 menit audio, Muse Voice Transcribe menawarkan solusi yang kompetitif dibandingkan layanan transkripsi lainnya di pasar.

Peluncuran Muse Voice Transcribe juga menunjukkan bahwa persaingan di bidang AI audio semakin ketat. Setelah Google meluncurkan Gemini 3.5 Transcribe, Meta merespons dengan cepat dengan model yang memiliki kemampuan serupa namun dengan pendekatan yang berbeda. Persaingan ini pada akhirnya akan menguntungkan konsumen karena mendorong inovasi dan penurunan harga.

Dengan kemampuan yang ditawarkan, Muse Voice Transcribe berpotensi menjadi standar baru dalam teknologi transkripsi real-time. Kombinasi antara dukungan multi-bahasa, kemampuan multi-pembicara, dan penanganan audio yang adaptif menjadikannya solusi yang komprehensif untuk berbagai kebutuhan transkripsi.