메타(Meta)가 실시간 음성 인식, 화자 분리(Diarization), 발화 종료 감지(Endpointing)를 하나의 모델에서 처리할 수 있는 새로운 음성 AI 모델 'Muse Voice Transcribe'를 공개했습니다. 이 모델은 단어 오류율(WER) 3.1%를 기록하며 스트리밍 음성 인식 벤치마크에서 1위를 차지하는 놀라운 성능을 보여주었습니다. 특히 'Adaptive Delay' 기술을 적용하여 음성 인식의 정확도와 지연 시간 사이의 균형을 스스로 조절하는 것이 특징입니다. 20명 이상의 화자가 참여하는 긴 오디오도 처리가 가능하며, 한국어를 포함한 25개 언어를 지원합니다. 메타는 이 모델을 Meta AI와 Muse Code 등 자사 서비스에 적용하여 기술력을 더욱 강화할 계획입니다.