Meta تحدد سعر Muse Voice Transcribe عند 0.18 دولار في الساعة، مع تمييز مباشر للمتحدثين لأكثر من 20 شخصًا: هل هي صفقة رابحة للمؤسسات؟

دخلت Meta Platforms سوق تحويل الكلام إلى نص من خلال إطلاق Muse Voice Transcribe، وهو نموذج متقدم لمعالجة الصوت صممته Meta Superintelligence Labs. ويدمج النموذج الجديد النسخ النصي المباشر، وكشف نقاط النهاية، وتمييز المتحدثين (diarization) القادر على تحديد أكثر من 20 متحدثًا. وقد حددت Meta سعر واجهة برمجة التطبيقات (API) بشكل تنافسي عند 0.18 دولار لكل ساعة من الصوت المعالج، مع تطبيق نفس السعر على المعالجة بدون الاحتفاظ بالبيانات، واعتماد نظام فوترة بدقة الثانية. ويتميز النموذج ببنية تلقائية الانحدار متعددة الوسائط تعالج الصوت في مقاطع مدتها 80 مللي ثانية، مع تأخير تكيفي مدفوع بالتعلم التعزيزي. وفي تقييمات القياس المرجعي، حقق Muse أدنى معدل خطأ في النسخ النصي النهائي بنسبة 3.1% على مؤشر Artificial Analysis AA-WER Streaming، متفوقًا على منافسين مثل Cartesia Ink-2 و ElevenLabs Scribe v2 و GPT Live Transcribe من OpenAI. كما سجل معدل خطأ متوسط في تمييز المتحدثين بلغ 17.5% عبر مجموعات بيانات الاختبار المعيارية. وتُشكّل استراتيجية التسعير التنافسية التي تتبعها Meta، إلى جانب خاصية تمييز المتحدثين المدمجة، تحديًا مباشرًا لمنافسين مثل Amazon Transcribe و Speechmatics و Deepgram، مما يُكثّف المنافسة على السعر والأداء في سوق البنية التحتية للذكاء الاصطناعي الصوتي للمؤسسات.