Meta: మాటలను క్షణాల్లో టెక్స్ట్గా మార్చే మెటా కొత్త ఏఐ.. 5 భారతీయ భాషలకు సపోర్ట్
ఈ వార్తాకథనం ఏంటి
మాటలను రియల్టైమ్లో టెక్స్ట్గా మార్చే కొత్త ఏఐ మోడల్ను టెక్ దిగ్గజం మెటా తీసుకొచ్చింది. 'మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్' పేరుతో అందుబాటులోకి తీసుకొచ్చిన ఈ మోడల్.. మాట్లాడుతున్న మాటలను వెంటనే టెక్స్ట్ రూపంలోకి మార్చగలదు. ముఖ్యంగా ఐదు ప్రధాన భారతీయ భాషలకు ఇందులో నేటివ్ సపోర్ట్ కల్పించినట్లు మెటా వెల్లడించింది. మెటా సూపర్ఇంటెలిజెన్స్ ల్యాబ్స్ ఈ ఏఐ మోడల్ను అభివృద్ధి చేసింది. గంటకు పైగా సాగే ఆడియోలో 20 మందికిపైగా మాట్లాడుతున్న వారిని మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్ గుర్తించగలదు. అంతేకాదు.. సంభాషణలో ఎవరు ఎప్పుడు మాట్లాడారో కూడా ప్రత్యేకంగా గుర్తించే సామర్థ్యం దీనికి ఉంది.
వివరాలు
భాషలు మారినా గుర్తించే సామర్థ్యం
ఒకే సంభాషణలో మాట్లాడేవారు మధ్యలో భాషను మార్చినా ఈ మోడల్ దాన్ని అర్థం చేసుకోగలదు.
ఇందుకోసం అదనంగా పోస్ట్ ప్రాసెసింగ్ చేయాల్సిన అవసరం ఉండదని మెటా పేర్కొంది. మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్కు 70కిపైగా భాషల్లో శిక్షణ ఇచ్చినట్లు తెలిపింది.
తొలిదశలో 25 భాషలను ధ్రువీకరించినట్లు వెల్లడించింది.
వేగం.. కచ్చితత్వం మధ్య సమతుల్యత
స్పీచ్ను టెక్స్ట్గా మార్చే ప్రక్రియలో వేగంతోపాటు కచ్చితత్వాన్ని సాధించేందుకు మెటా 'అడాప్టివ్ డిలే' టెక్నాలజీని ఉపయోగించింది.
ప్రతి పదం ఎంత క్లిష్టంగా ఉందన్న దానిని బట్టి.. దాన్ని ప్రాసెస్ చేసేందుకు ఎంత సమయం వేచి ఉండాలో మోడల్నే స్వయంగా నిర్ణయించుకుంటుంది.
దీంతో వేగంగా ట్రాన్స్క్రిప్షన్ అందిస్తూనే కచ్చితత్వాన్ని కొనసాగించేలా దీన్ని రూపొందించారు.
వివరాలు
స్పీచ్-టు-టెక్స్ట్లో అగ్రస్థానం
2026 సెప్టెంబరు 1 నాటికి ఆర్టిఫిషియల్ అనాలిసిస్ స్ట్రీమింగ్ స్పీచ్-టు-టెక్స్ట్ లీడర్బోర్డులో 'మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్' మొదటి స్థానంలో ఉన్నట్లు మెటా తెలిపింది.
ప్రస్తుతం ఈ మోడల్ మెటా మోడల్ ఏపీఐలో అందుబాటులో ఉంది. అంతేకాకుండా మెటా ఏఐ ఫర్ మ్యాక్లో డిక్టేషన్ కోసం, మ్యూజ్ కోడ్లోనూ దీన్ని ఉపయోగిస్తున్నారు.