muse-voice-transcribe
Meta · États-Unis
- Poids fermés (selon Open ASR Leaderboard)
- Français annoncé
En bref : 26e sur 39 en transcription en français ; 28e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de transcription en temps réel de Meta Superintelligence Labs, proposé par la Meta Model API. Il réunit reconnaissance en flux, attribution de la parole à plus de 20 locuteurs et détection de fin de parole, et gère le passage d'une langue à l'autre. Lu sur research.meta.ai, dev.meta.ai, le 17/10/2026.
- Sortie
- 1er septembre 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 25 langues validées, dont le français (entraîné sur plus de 70) (ar, bn, nl, en, fr, de, he, hi, id, it, ja, kn, ko, ms, zh, mr, pl, pt, es, tl, ta, te, th, tr, vi). Lu sur research.meta.ai, dev.meta.ai.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 26e sur 39 en transcription en français (6,81 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
26e sur 39taux d'erreur par mot 6,81 %
Par jeu de test : Common Voice 9,41 %, FLEURS 5,94 %, MLS 5,09 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
28e sur 53taux d'erreur par mot 6,30 %
Par jeu de test : AMI-Cleaned 9,20 %, Earnings22-Cleaned-AA-chunked 6,01 %, Gigaspeech-Cleaned 7,75 %, LS Clean 1,84 %, LS Other 4,51 %, Private (conversational) 13,04 %, Private (scripted) 4,52 %, SPGISpeech 3,21 %, URGENT24 13,03 %, Voice Arena Monsoon 4,16 %, Voxpopuli-AA-Cleaned 2,02 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Whisper Large v3 Turbo (25e, 6,73 %) · derrière, omniASR-LLM-3B-v2 (27e, 6,92 %)
- Transcription en anglais, Open ASR : devant, Qwen3-ASR-0.6B-hf (27e, 6,24 %) · derrière, Granite-Speech-5.0-470M-TurboCTC (29e, 6,38 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
meta/muse-voice-transcribe - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://research.meta.ai/blog/introducing-muse-voice-transcribe (« Introducing Muse Voice Transcribe September 1, 2026 »), 17/10/2026
- https://research.meta.ai/blog/introducing-muse-voice-transcribe (« We’re excited to introduce Muse Voice Transcribe, the first real-time audio perception model developed by Meta Superintelligence Labs. »), 17/10/2026
- https://research.meta.ai/blog/introducing-muse-voice-transcribe (« It delivers real-time streaming ASR, diarization with 20+ speakers, and endpointing. »), 17/10/2026
- https://research.meta.ai/blog/introducing-muse-voice-transcribe (« Muse Voice Transcribe is trained with 70+ languages, of which 25 are extensively verified. »), 17/10/2026
- https://dev.meta.ai/docs/speech-to-text/ (« Muse Voice Transcribe supports 25 languages with code-switching: Arabic, Bengali, Dutch, English, French, German, Hebrew, Hindi, »), 17/10/2026
- https://dev.meta.ai/docs/models/ (« Muse Voice Transcribe is Meta's speech-to-text model on Meta Model API. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.