Muse Voice Transcribe riconosce più di 20 interlocutori e diverse lingue in tempo reale

Esistono già servizi che consentono di trascrivere una riunione quando parla una persona alla volta, il che è relativamente semplice, ma se sono presenti più voci che si sovrappongono, gli interlocutori diventano numerosi e qualcuno passa da una lingua all’altra nel mezzo della stessa frase, molto spesso i risultati che si ottengono non sono per nulla buoni. Sta nascendo una nuova generazione di modelli audio che prova a superare questo limite, trasformando la trascrizione in qualcosa di molto più vicino all’ascolto umano. La prima a presentare qualcosa di evoluto è Meta, che ha sviluppato Muse Voice Transcribe, il suo primo modello pensato per lavorare in tempo reale, capace secondo l’azienda di gestire sessioni di un’ora con oltre 20 persone e riconoscere anche il cosiddetto code-switching, cioè il passaggio tra lingue diverse durante una conversazione. Per riuscire in questo gravoso compito il sistema non impiega sempre lo stesso tempo per decidere cosa abbiamo detto, ma utilizza un ritardo adattivo, aspettando qualche istante in più davanti alle parole difficili e confermando più rapidamente quelle facilmente riconoscibili. In sostanza cerca un compromesso tra due esigenze normalmente in conflitto, ovvero velocità e precisione.

CLICCA QUI PER CONTINUARE A LEGGERE