మాటల్ని టెక్స్ట్గా మార్చే మెటా కొత్త ఏఐ.. 5 భారతీయ భాషలకు సపోర్ట్
- మెటా కొత్త ఏఐ మోడల్ను విడుదల
- 5 భారతీయ భాషలకు నేటివ్ సపోర్ట్
- 20 మందికి పైగా స్పీకర్లను గుర్తించే మోడల్
- 70కి పైగా భాషల్లో శిక్షణ
- 25 భాషలను ప్రారంభంలో ధ్రువీకరణ
టెక్ దిగ్గజం మెటా కొత్త ఏఐ మోడల్ను తీసుకొచ్చింది. ‘మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్’ పేరుతో దీన్ని విడుదల చేసింది. ఇది మాట్లాడే మాటలను రియల్టైమ్లో టెక్స్ట్గా మార్చగలదు. ఐదు ప్రధాన భారతీయ భాషలకు నేటివ్ సపోర్ట్ ఇస్తుంది.
మెటా సూపర్ఇంటెలిజెన్స్ ల్యాబ్స్ ఈ మోడల్ను అభివృద్ధి చేసింది. గంటకు పైగా ఉండే ఆడియోలో 20 మందికి పైగా మాట్లాడేవారిని ఇది గుర్తించగలదు. ఎవరు ఏ సమయంలో మాట్లాడారో కూడా విడిగా గుర్తిస్తుంది.
ఒకే సంభాషణలో భాషలు మారినా మోడల్ అర్థం చేసుకోగలదు. ఇందుకోసం అదనపు పోస్ట్ ప్రాసెసింగ్ అవసరం లేదని మెటా తెలిపింది. 70కి పైగా భాషల్లో దీనికి శిక్షణ ఇచ్చినట్లు పేర్కొంది. ప్రారంభంలో 25 భాషలను ధ్రువీకరించినట్లు వెల్లడించింది.
మాటలను టెక్స్ట్గా మార్చే సమయంలో వేగం, కచ్చితత్వం మధ్య సమతుల్యత కోసం ‘అడాప్టివ్ డిలే’ టెక్నాలజీని ఉపయోగించింది. ప్రతి పదంలోని సంక్లిష్టతను బట్టి ఎంతసేపు వేచి ఉండాలో మోడల్ స్వయంగా నిర్ణయిస్తుంది.
2026 సెప్టెంబరు 1 నాటికి ఆర్టిఫిషియల్ అనాలిసిస్ స్ట్రీమింగ్ స్పీచ్-టు-టెక్స్ట్ లీడర్బోర్డులో మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్ మొదటి స్థానంలో ఉందని మెటా తెలిపింది. ఇది ప్రస్తుతం మెటా మోడల్ ఏపీఐలో అందుబాటులో ఉంది. మెటా ఏఐ ఫర్ మ్యాక్లో డిక్టేషన్ కోసం, మ్యూజ్ కోడ్లోనూ దీన్ని ఉపయోగిస్తున్నారు.
మెటా సూపర్ఇంటెలిజెన్స్ ల్యాబ్స్ ఈ మోడల్ను అభివృద్ధి చేసింది. గంటకు పైగా ఉండే ఆడియోలో 20 మందికి పైగా మాట్లాడేవారిని ఇది గుర్తించగలదు. ఎవరు ఏ సమయంలో మాట్లాడారో కూడా విడిగా గుర్తిస్తుంది.
ఒకే సంభాషణలో భాషలు మారినా మోడల్ అర్థం చేసుకోగలదు. ఇందుకోసం అదనపు పోస్ట్ ప్రాసెసింగ్ అవసరం లేదని మెటా తెలిపింది. 70కి పైగా భాషల్లో దీనికి శిక్షణ ఇచ్చినట్లు పేర్కొంది. ప్రారంభంలో 25 భాషలను ధ్రువీకరించినట్లు వెల్లడించింది.
మాటలను టెక్స్ట్గా మార్చే సమయంలో వేగం, కచ్చితత్వం మధ్య సమతుల్యత కోసం ‘అడాప్టివ్ డిలే’ టెక్నాలజీని ఉపయోగించింది. ప్రతి పదంలోని సంక్లిష్టతను బట్టి ఎంతసేపు వేచి ఉండాలో మోడల్ స్వయంగా నిర్ణయిస్తుంది.
2026 సెప్టెంబరు 1 నాటికి ఆర్టిఫిషియల్ అనాలిసిస్ స్ట్రీమింగ్ స్పీచ్-టు-టెక్స్ట్ లీడర్బోర్డులో మ్యూజ్ వాయిస్ ట్రాన్స్క్రైబ్ మొదటి స్థానంలో ఉందని మెటా తెలిపింది. ఇది ప్రస్తుతం మెటా మోడల్ ఏపీఐలో అందుబాటులో ఉంది. మెటా ఏఐ ఫర్ మ్యాక్లో డిక్టేషన్ కోసం, మ్యూజ్ కోడ్లోనూ దీన్ని ఉపయోగిస్తున్నారు.
