Meta: Muse Voice Transcribe 1.0

Meta: Muse Voice Transcribe 1.0 ist ein Speech-to-Text-Modell von Meta. Es gehört zur Kategorie Transkription und ist das einzige Modell dieser Familie, das hier unter dem Anbieter Meta aufgeführt ist. Meta hat es am 11. September 2026 veröffentlicht. Wenn Sie etwas entwickeln, das gesprochenes Audio in geschriebenen Text umwandeln soll, ist dies das Modell, das der Anbieter für diese Aufgabe positioniert.

Das Modell nimmt Audio als Eingabe und liefert eine Transkription als Ausgabe. Es ist ein synchrones Modell, das heißt, es verarbeitet eine Anfrage und gibt das Ergebnis innerhalb desselben Aufrufs zurück, nicht über einen asynchronen Job, den Sie später abfragen. Meta beschreibt es als geeignet für Push-to-Talk, Endpointing und sprecherbewusste Transkription. Es unterstützt außerdem Keyword-Biasing für Domänenbegriffe und Language-Biasing. Die Kontextlänge ist in den hier verfügbaren Fakten nicht veröffentlicht, und die maximale Ausgabe ist mit null angegeben, behandeln Sie die Ausgabelänge also als etwas, das Sie gegen Ihre eigene Workload verifizieren sollten, statt es anzunehmen.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungen hin. Push-to-Talk passt zu Sprachschnittstellen, bei denen ein Nutzer ein Bedienelement hält, spricht und sofort Text zurückerwartet. Endpointing passt zu Live-Audiostreams, bei denen das Modell entscheiden muss, wann ein Sprecher eine Äußerung beendet hat, was für den Sprecherwechsel in Sprachassistenten und Meeting-Tools wichtig ist. Sprecherbewusste Transkription passt zu Aufnahmen mit mehr als einem Teilnehmer, bei denen Sie wissen möchten, wer was gesagt hat. Keyword-Biasing ist nützlich, wenn Ihr Audio Produktnamen, internen Jargon oder andere Begriffe enthält, die ein allgemeines Modell falsch verstehen würde, und Language-Biasing hilft, wenn Sie die Sprache im Voraus kennen.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "meta/muse-voice-transcribe-1.0" auf. Da die Schnittstelle dem OpenAI-Format folgt, können Sie einen vorhandenen OpenAI-Client auf die api14-Basis-URL zeigen lassen und Audio in der Anfrage senden, statt Ihre Integration um ein anbieterspezifisches SDK herum neu zu schreiben. Die Fakten listen keine unterstützten Parameter für dieses Modell auf, gehen Sie also nicht davon aus, dass Sie temperature, top_p oder ähnliche Sampling-Steuerungen übergeben können. Prüfen Sie die Live-Modellseite, bevor Sie sich auf ein optionales Feld verlassen.

Es gibt ein paar Gründe, sich woanders umzusehen. Das Modell akzeptiert nur Audio, wenn Ihre Eingabe also Text, Bilder oder Dokumente sind, ist es nicht die richtige Wahl. Es erzeugt nur Transkriptionen, es wird also nicht zusammenfassen, übersetzen oder Fragen zum Audioinhalt beantworten. Wenn Sie solche Verhaltensweisen benötigen, kombinieren Sie dieses Modell mit einem Textmodell, oder wählen Sie ein Modell, dessen Eingabe- und Ausgabemodalitäten zu Ihrer Aufgabe passen.