ข้ามไปยังเนื้อหา

แท็ก

#voice agents

2 บทความ

Meta เปิด Muse Voice Transcribe โมเดล ASR สตรีมมิ่งตัวแรกของ MSL — ขึ้นที่ 1 ด้าน WER จริงตามข้อมูล Artificial Analysis แต่ latency อยู่ที่ 5 จาก 7 และรองรับภาษาไทยในลิสต์ 25 ภาษา
โมเดลใหม่

Meta เปิด Muse Voice Transcribe โมเดล ASR สตรีมมิ่งตัวแรกของ MSL — ขึ้นที่ 1 ด้าน WER จริงตามข้อมูล Artificial Analysis แต่ latency อยู่ที่ 5 จาก 7 และรองรับภาษาไทยในลิสต์ 25 ภาษา

Meta Superintelligence Labs เปิด Muse Voice Transcribe เมื่อ 1 ก.ย. — โมเดล ASR สตรีมมิ่งที่รวม diarization และ endpointing ไว้ในตัวเดียว ราคา $0.18 ต่อชั่วโมง และมีภาษาไทยอยู่ใน 25 ภาษาที่รองรับ ข้อมูลสดจาก Artificial Analysis ยืนยันว่าชนะ WER จริงที่ 3.06% แต่ latency ถึงทรานสคริปต์สุดท้ายอยู่อันดับ 5 จาก 7 ช้ากว่า Deepgram Flux ราว 7.7 เท่า

· อ่าน 7 นาที
Nari Labs รีดเสียงพูดออกจาก Qwen3-TTS ได้ใน 50 มิลลิวินาที บน H100 ใบเดียว — ต้นทุนราว 2 ดอลลาร์ต่อล้านตัวอักษร ถูกกว่า ElevenLabs 50 เท่า
เครื่องมือนักพัฒนา

Nari Labs รีดเสียงพูดออกจาก Qwen3-TTS ได้ใน 50 มิลลิวินาที บน H100 ใบเดียว — ต้นทุนราว 2 ดอลลาร์ต่อล้านตัวอักษร ถูกกว่า ElevenLabs 50 เท่า

19 ส.ค. 2026 Nari Labs (ทีมผู้สร้าง Dia) เผยแพร่วิธีเสิร์ฟ Qwen3-TTS CustomVoice 1.7B ให้ได้ p95 time-to-first-audio ต่ำกว่า 50 ms ที่ 10 requests/วินาที บน H100 SXM ใบเดียว คิดเป็นต้นทุนราว 2 ดอลลาร์ต่อล้านตัวอักษร เทียบกับ ElevenLabs V3 ที่ 100 ดอลลาร์ พร้อมเปิดซอร์สทั้งโค้ดและเบนช์มาร์ก

· อ่าน 6 นาที