Meta : Muse Voice Transcribe 1.0
Muse Voice Transcribe est un modèle de reconnaissance vocale publié par Meta, sorti le 1er septembre 2026. Il lit de l’audio et produit une transcription en texte pour des usages comme la dictée, le sous-titrage et l’analyse de réunions ou d’appels.
À quoi sert Muse Voice Transcribe
Audio
Muse Voice Transcribe lit de l’audio et produit une transcription en texte. Il ne synthétise pas de parole et ne fournit pas d’API de conversation parole à parole.
Transcription
Muse Voice Transcribe est le modèle de reconnaissance vocale, ou parole vers texte, de Meta sur Meta Model API. Il sert à transcrire de l’audio en direct ou un enregistrement existant, et il est conçu pour les produits vocaux en temps réel : agents vocaux, analyse de réunions et d’appels, transcription en direct, dictée, sous-titrage et transcription à grand volume.
- Audio
- Transcription
Les performances de Muse Voice Transcribe
Selon le billet de Meta du 1er septembre 2026, Muse Voice Transcribe atteint un taux d’erreur par mot de 3,1 % en transcription finale en streaming, dans l’évaluation de reconnaissance vocale en streaming d’un évaluateur tiers arrêtée à cette date. Son taux d’erreur de diarisation moyen est de 17,5 % sur les jeux de test AMI-IHM, AMI-SDM et VoxConverse.
Bien utiliser Muse Voice Transcribe : modes et biais
Muse Voice Transcribe utilise par défaut le mode PUSH_TO_TALK, qui transcrit un seul tour de parole délimité par l’utilisateur. Avec ce mode, tu délimites la parole, par exemple avec un bouton de micro, pour une commande vocale, une dictée ou un enregistrement contrôlé. En mode ENDPOINTING, le modèle détecte lui-même les limites des tours, avec un tour par segment de parole détecté.
En mode DIARIZATION, le modèle détecte les locuteurs et leur attribue automatiquement les segments de parole. Ce mode n’est pas réglé pour les commandes vocales à faible latence, pour lesquelles Meta conseille le mode ENDPOINTING.
Le paramètre languageBias indique au modèle les langues à attendre avant l’écoute ; sans ce paramètre, le modèle détecte seul la langue. Avec keywords, tu orientes la reconnaissance des noms de produits, de personnes ou de lieux, des sigles et d’autres termes susceptibles d’être mal entendus, sans garantie d’une orthographe exacte. Une fois la session lancée, ni languageBias ni keywords ne peuvent être modifiés.
Caractéristiques techniques de Muse Voice Transcribe
Muse Voice Transcribe 1.0, sorti le 1er septembre 2026, est présenté par Meta comme le premier modèle de perception audio en temps réel développé par Meta Superintelligence Labs. C’est un modèle multimodal autorégressif rattaché à la famille Muse Spark.
Selon Meta, à sa sortie, l’audio est traité par tranches de 80 ms (12,5 Hz), chacune transformée en un seul jeton. Pour chaque mot, le délai adaptatif fait varier l’attente avant transcription en fonction de sa difficulté. Le modèle prend nativement en charge un audio de plus d’une heure, sans post-traitement requis.
Les fichiers acceptés sont des WAV mono en PCM entier 16 bits, à 16 kHz ou 24 kHz. Selon la documentation de Meta, l’envoi d’un fichier est plafonné à 32 Mo et 10 minutes d’audio, et une session en temps réel dure jusqu’à 60 minutes. Les horodatages par mot, les scores de confiance, la détection d’événements sonores, la détection des émotions et la reformulation des transcriptions sont indisponibles.
- Éditeur
Meta
- Sortie
- Hébergeurs
- Meta
Source : OpenRouter.
Où utiliser Muse Voice Transcribe
Selon le billet de Meta, Muse Voice Transcribe était disponible le 1er septembre 2026 via Meta Model API, Meta AI pour Mac et Muse Code, et il assurait désormais la dictée vocale de Meta AI et de Muse Code. Le billet des développeurs de Meta du 3 septembre 2026 précise qu’il apportait pour la première fois la reconnaissance vocale à Meta Model API.
Deux points d’accès servent le même modèle : un WebSocket, une connexion en temps réel destinée à l’audio en direct, et un envoi de fichier en plusieurs parties pour un enregistrement existant. Sur OpenRouter, le modèle a été mis en ligne sous le nom Muse Voice Transcribe 1.0 le 11 septembre 2026.
L'API Meta
Pour relier le modèle à votre application
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
FAQ
Quand Muse Voice Transcribe est-il sorti ?
Muse Voice Transcribe 1.0 est sorti le 1er septembre 2026. Meta l’a annoncé dans son billet du même jour, comme le premier modèle de perception audio en temps réel développé par Meta Superintelligence Labs.
Muse Voice Transcribe peut-il transcrire plusieurs locuteurs ?
Selon le billet de Meta du 1er septembre 2026, Muse Voice Transcribe assure la diarisation, c’est-à-dire la séparation des interventions par locuteur, pour plus de 20 locuteurs en temps réel. Les étiquettes comme A et B ne sont pas des noms vérifiés, et une étiquette n’identifie pas la même personne d’une session à l’autre.
Quelles langues Muse Voice Transcribe prend-il en charge ?
Muse Voice Transcribe prend en charge 25 langues avec alternance de langues : arabe, bengali, néerlandais, anglais, français, allemand, hébreu, hindi, indonésien, italien, japonais, kannada, coréen, malais, chinois mandarin, marathi, polonais, portugais, espagnol, tagalog, tamoul, télougou, thaï, turc et vietnamien. Selon le billet de Meta du 1er septembre 2026, le modèle est entraîné sur plus de 70 langues, dont 25 vérifiées en profondeur.
Muse Voice Transcribe donne-t-il des horodatages par mot ?
Muse Voice Transcribe ne fournit pas d’horodatages par mot : il les renvoie par tour de parole.
Usage sur OpenRouter
- Transcription
- 228 k requêtes sur le dernier mois · 20e sur 20 des modèles les plus utilisés en Transcription
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.