En bref
- Meta lance Muse Voice Transcribe, un modèle de transcription audio en temps réel.
- Le modèle gère plus de 20 locuteurs et 70 langues, avec une meilleure précision sur les conversations complexes.
- Meta renforce son écosystème IA, face à Google, avec un outil déjà accessible aux développeurs.
La guerre de la transcription audio en direct s’accélère. Moins d’une semaine après Google, Meta dégaine à son tour Muse Voice Transcribe, son premier modèle audio temps réel, et le message est limpide, la course ne se joue plus seulement sur le chatbot, mais sur les outils qu’on utilise vraiment au quotidien.
Un modèle pensé pour le vrai bazar du monde réel
Ce que montre Meta est assez parlant. Le modèle ne se contente pas de transformer une voix en texte dans un environnement propre, il sait distinguer plus de 20 intervenants, basculer d’une langue à l’autre et gérer le code-switching, donc ces phrases où plusieurs langues se mélangent en plein milieu. En gros, le genre de scène qui casse vite les systèmes trop sages.
La boîte explique aussi que la diarisation, c’est-à-dire l’identification des locuteurs, et l’endpointing, donc la détection du bon moment pour couper ou valider une phrase, sont gérés nativement dans un seul modèle. C’est technique, oui. Mais ça change tout quand vous voulez une transcription fluide, sans empiler trois briques différentes.
Ce que Meta promet côté précision
Mark Zuckerberg a donné un détail intéressant sur le fonctionnement du modèle. Selon lui, il décide lui-même quand écouter plus longtemps, attend un peu sur les mots compliqués et valide plus vite les mots simples grâce à un délai adaptatif qui prédit chaque token pour gagner en précision.
Et ce n’est pas censé marcher seulement sur des démos propres. Mark Zuckerberg affirme que le modèle tient aussi sur de l’audio sale, avec un entraînement sur plus de 70 langues, dont 25 validées au lancement, tout en gérant des sessions d’une heure avec plus de 20 personnes. Clairement, la promesse vise les usages lourds, pas juste la petite dictée du matin.
Où on peut déjà l’utiliser, et à quel prix ?
Pour l’instant, le point d’entrée le plus concret, c’est l’app Meta AI sur Mac. Comme cette application peut alimenter des fonctions vocales dans d’autres logiciels, Muse Voice Transcribe sert déjà à la dictée sur d’autres services.
Les développeurs peuvent aussi y accéder via Muse Code et l’API Model de Meta. Le tarif annoncé est d’environ 3 euros pour 1000 minutes audio. Et pour ceux qui veulent tester sans sortir la carte, une démo est aussi dispo sur le blog de recherche de Meta.
Pourquoi ce lancement compte maintenant ?
Le timing n’a rien d’innocent. Google vient tout juste d’annoncer Gemini 3.5 Transcribe, avec des capacités assez proches, et on sait déjà où le groupe veut pousser son modèle, dans Android puis dans Chrome. Chez Meta, l’intégration aux services grand public reste plus floue pour le moment.
Mais ce lancement dit quand même quelque chose. Meta Superintelligence Lab, ou MSI, enchaîne les sorties depuis quelques semaines, entre un agent de code dédié, un modèle à poids ouverts et l’app Meta AI sur Mac. Bref, Meta ne balance pas un gadget de plus, il pose une pièce de plus dans son stack IA. Et celle-là peut vite devenir très visible.
