मेटा ने अपना नया AI मॉडल 'म्यूज वॉइस ट्रांसक्राइब' पेश किया है, जो हिंदी, तमिल, तेलुगु, मलयालम और कन्नड़ जैसी भारतीय भाषाओं में रीयल-टाइम स्पीच-टू-टेक्स्ट सुविधा प्रदान करेगा। यह मॉडल कोड-स्विचिंग (भाषा बदलने) में भी माहिर है।

  • मेटा ने 'म्यूज वॉइस ट्रांसक्राइब' (Muse Voice Transcribe) नामक नया स्पीच-टू-टेक्स्ट मॉडल लॉन्च किया।
  • यह हिंदी, तमिल, तेलुगु, मलयालम और कन्नड़ सहित 70 से अधिक भाषाओं का समर्थन करता है।
  • मॉडल रीयल-टाइम में बातचीत को टेक्स्ट में बदल सकता है और 'कोड-स्विचिंग' (भाषा मिश्रण) को आसानी से संभाल सकता है।
  • यह मॉडल 20 से अधिक आवाजों को अलग करने और एक घंटे से लंबे ऑडियो को प्रोसेस करने में सक्षम है।

टेक दिग्गज Meta ने आर्टिफिशियल इंटेलिजेंस (AI) के क्षेत्र में एक बड़ी छलांग लगाते हुए मंगलवार को अपना नया स्पीच-टू-टेक्स्ट मॉडल, Muse Voice Transcribe, घोषित किया। मेटा सुपरइंटेलिजेंस लैब्स (MSL) द्वारा जारी यह पहला रीयल-टाइम ऑडियो परसेप्शन मॉडल है, जो बातचीत के दौरान ही उसे टेक्स्ट में बदलने की क्षमता रखता है।

इस मॉडल की सबसे बड़ी विशेषता इसकी बहुभाषी क्षमता है। मेटा के अनुसार, इसे 70 से अधिक भाषाओं पर प्रशिक्षित किया गया है, जिसमें भारत की पांच प्रमुख भाषाएं—हिंदी, तमिल, तेलुगु, मलयालम और कन्नड़ शामिल हैं। यह विशेष रूप से भारतीय उपयोगकर्ताओं के लिए क्रांतिकारी साबित हो सकता है, जो अक्सर बातचीत के दौरान अंग्रेजी और अपनी क्षेत्रीय भाषाओं का मिश्रण (कोड-स्विचिंग) करते हैं।

यह भी पढ़ें:Talix 190W पावर बैंक पर भारी छूट: MacBook Pro और गेमिंग हैंडहेल्ड के लिए बेस्ट डील

Why This Matters

BozokMedia विश्लेषण से पता चलता है कि भारत जैसे बहुभाषी बाजार में, जहां लोग एक ही वाक्य में दो भाषाओं का उपयोग करते हैं, पारंपरिक AI मॉडल अक्सर विफल हो जाते हैं। Muse Voice Transcribe बिना किसी अतिरिक्त प्रोसेसिंग के इस भाषाई बदलाव को सहजता से समझ लेता है। यह न केवल ट्रांसक्रिप्शन की गति बढ़ाता है, बल्कि सटीकता को भी नई ऊंचाइयों पर ले जाता है।

मेटा का यह नया मॉडल भाषाई बाधाओं को तोड़कर वैश्विक संचार के तरीके को पूरी तरह बदल सकता है।

तकनीकी रूप से, यह मॉडल 'स्ट्रीमिंग ट्रांसक्रिप्शन' का उपयोग करता है, जिसका अर्थ है कि उपयोगकर्ता को पूरा ऑडियो रिकॉर्ड होने का इंतजार नहीं करना पड़ता; जैसे-जैसे व्यक्ति बोलता है, टेक्स्ट जेनरेट होता रहता है। इसके अलावा, यह मॉडल एक ही समय में 20 से अधिक अलग-अलग वक्ताओं की आवाजों को पहचानने और अलग करने में सक्षम है, जो लंबी बैठकों या पॉडकास्ट के लिए अत्यंत उपयोगी है।

मेटा ने यह भी दावा किया है कि Muse Voice Transcribe ने 'आर्टिफिशियल एनालिसिस' के स्ट्रीमिंग स्पीच-टू-टेक्स्ट लीडरबोर्ड पर शीर्ष स्थान प्राप्त किया है। यह मॉडल गति और सटीकता के बीच एक अनूठा संतुलन बनाता है, जहाँ यह कठिन शब्दों के लिए अधिक समय लेता है और सरल शब्दों को तुरंत प्रोसेस करता है।

वर्तमान में, यह मॉडल मेटा के मॉडल API के माध्यम से उपलब्ध है। इसकी कीमत $3 प्रति 1,000 ऑडियो मिनट निर्धारित की गई है, जो लगभग $0.18 प्रति घंटा बैठती है। इसका उपयोग पहले से ही Meta AI for Mac और Muse Code में डिक्टेशन के लिए किया जा रहा है।

Did You Know?: Muse Voice Transcribe बिना किसी अलग पोस्ट-प्रोसेसिंग स्टेप के सीधे एक ही मॉडल से जटिल भाषाई कार्यों को पूरा कर सकता है।

Frequently Asked Questions

1. क्या यह मॉडल केवल शुद्ध भाषाओं को समझता है?
नहीं, यह 'कोड-स्विचिंग' को सपोर्ट करता है, यानी यदि आप हिंदी और अंग्रेजी मिलाकर बोलते हैं, तो भी यह सटीक परिणाम देगा।

2. इस मॉडल की कीमत क्या है?
मेटा के API के माध्यम से इसकी लागत $3 प्रति 1,000 ऑडियो मिनट है।