میٹا نے میوز وائس ٹرانسکرائب متعارف کرایا ہے، اس کا پہلا ریئل ٹائم آڈیو ماڈل جو متعدد بولنے والوں اور زبانوں میں لائیو ڈکٹیشن اور ٹرانسکرپشن کے لیے ڈیزائن کیا گیا ہے۔
میٹا کا کہنا ہے کہ ماڈل 20 سے زیادہ بولنے والوں کو سنبھال سکتا ہے، زبانوں کے درمیان خود بخود سوئچ کر سکتا ہے، اور کوڈ سوئچنگ کو سمجھ سکتا ہے، جہاں لوگ ایک ہی جملے میں مختلف زبانوں کے الفاظ استعمال کرتے ہیں۔
میٹا کے سی ای او مارک زکربرگ نے ایک ویڈیو میں ماڈل کا مظاہرہ کیا جس میں دکھایا گیا ہے کہ یہ خود بخود مختلف بولنے والوں کی شناخت کرتا ہے اور بات چیت کے دوران زبانوں کے درمیان سوئچ کرتا ہے۔
زکربرگ کے مطابق، Muse Voice Transcribe نقل کی درستگی کو بہتر بنانے کے لیے انکولی تاخیر کا استعمال کرتا ہے۔ مشکل الفاظ کا ارتکاب کرنے سے پہلے یہ زیادہ انتظار کرتا ہے جبکہ آسان الفاظ پر تیزی سے کارروائی کرتا ہے۔
ماڈل کو 70 سے زائد زبانوں میں تربیت دی گئی تھی، جس میں لانچ کے وقت 25 زبانوں کی تصدیق کی گئی تھی۔
میٹا کا کہنا ہے کہ یہ شور مچانے والی اور پیچیدہ حقیقی دنیا کی آڈیو، وسط جملے کی زبان کی تبدیلی، اور 20 سے زیادہ بولنے والوں کے ساتھ تقریباً ایک گھنٹے تک چلنے والے سیشن کو بھی سنبھال سکتا ہے۔
زکربرگ نے پلیٹ فارم پر پوسٹ کیے بغیر تقریباً تین سال بعد X پر واپس آنے کے بعد مظاہرے کا اشتراک کیا۔
Muse Voice Transcribe MSL کا پہلا ریئل ٹائم آڈیو پرسیپشن ماڈل ہے — جو آج سے شروع ہو رہا ہے۔ SOTA اسپیچ ٹو ٹیکسٹ سٹریمنگ میں، یہ اسپیکر ڈائرائزیشن کو ہینڈل کرتا ہے، اور ایک ہی ماڈل میں مقامی طور پر اینڈ پوائنٹنگ کرتا ہے۔ pic.twitter.com/LViMDSkbim
— مارک زکربرگ (@finkd) 1 ستمبر 2026
میوزک وائس ٹرانسکرائب گوگل کی جانب سے جیمنی 3.5 ٹرانسکرائب متعارف کرانے کے ایک ہفتے سے بھی کم وقت میں پہنچ گیا ہے، جو اسی طرح کی آڈیو ٹرانسکرپشن کی صلاحیتیں پیش کرتا ہے۔
گوگل اپنے ماڈل کو اینڈرائیڈ اور آخر کار کروم میں ضم کرنے کا ارادہ رکھتا ہے۔
میٹا نے یہ نہیں بتایا ہے کہ آیا میوز وائس ٹرانسکرائب بالآخر اس کی بڑی صارفین کی خدمات کا حصہ بن جائے گا۔
ابھی کے لیے، صارفین میٹا کی حال ہی میں لانچ کی گئی میٹا اے آئی میک ایپ کے ذریعے ٹیکنالوجی تک رسائی حاصل کر سکتے ہیں۔
چونکہ میک ایپ دیگر ایپلی کیشنز کو صوتی خصوصیات فراہم کر سکتی ہے، اس لیے میوزک وائس ٹرانسکرائب ایپ کے ذریعے دیگر سروسز میں ڈکٹیشن کو بھی طاقت دے سکتا ہے۔
ڈویلپرز Muse Code اور Meta’s Model API کے ذریعے ماڈل تک رسائی حاصل کر سکتے ہیں۔
میٹا نے سروس کی قیمت $3 فی 1000 منٹ آڈیو پر رکھی ہے۔
میوز وائس ٹرانسکرائب کا ایک ڈیموسٹریشن ورژن میٹا کے ریسرچ بلاگ کے ذریعے بھی دستیاب ہے۔
Muse Voice Transcribe Meta Superintelligence Lab (MSI) کی تازہ ترین ریلیز ہے۔ حالیہ ہفتوں میں، گروپ نے میٹا کا پہلا وقف شدہ کوڈنگ ایجنٹ، ایک اوپن ویٹ ماڈل، اور میٹا اے آئی میک ایپ بھی متعارف کروائی ہے۔
جہاں چاہیں تازہ ترین ٹیک خبریں، ٹیلی کام کی بصیرتیں، اور پروڈکٹ لانچ حاصل کریں۔
ProPakistani کو ترجیحی ذرائع میں شامل کریں اور گوگل سرچ اور ٹاپ اسٹوریز میں ہماری مزید کہانیاں دیکھیں۔
ٹیکنالوجی اور آٹوموٹو ماہر جدید ترین کاروں، اسمارٹ فونز، AI کامیابیوں، اور...
شیئرز
