Meta Superintelligence Labs, 1 Eylül 2026’da Muse Voice Transcribe adlı gerçek zamanlı konuşma modelini duyurdu. Şirket bunu ilk gerçek zamanlı ses algılama modeli olarak tanımlıyor. Model konuşmayı yazıya döküyor, konuşmacıları ayırıyor ve cümle sonunu belirliyor.
Sistem 70’ten fazla dilde eğitildi ve Meta 25 dili doğruladığını söylüyor; Türkçe bu listenin içinde. Model aynı cümlede dil değiştiren konuşmayı da izliyor. Dil adı, anahtar sözcük ve bağlam ipuçları tanımayı sıkılaştırıyor. Gecikme, konuşma temposuna göre ayarlanıyor.
1 Eylül itibarıyla Artificial Analysis’in akan konuşmayı yazıya dökme sıralamasında ilk sırada gösterildi. Mac’te Meta AI, Fn tuşuyla diktasyonu açıyor. Muse Code ve Model API aynı modeli geliştiricilere veriyor. Model API fiyatı 1.000 ses dakikası için 3 dolar olarak duyuruldu.
Geliştirici belgesi languageBias alanını serbest metin değil dil adı listesi olarak tanımlıyor. English ve French gibi ipuçları tanıyı o dillere çeker; zorunlu kılmaz. keywords alanı ürün adı, kişi ve yer yazımını sıkılaştırır. Kısmi metin canlı akışta ya birikir ya da yalnızca yeni parçayı yollar. Meta, sesin işlendiğini gösteren ilerleme olaylarını da açtı.
Ürün bugün üç kanalda sunuluyor: Mac diktasyonu, Muse Code ve Model API. WAV kaydı 32 megabayta ve 10 dakikaya kadar çıkabiliyor. Konuşmacı ayrımı 20’den fazla sesi ayırt edebiliyor. İlk kilometre taşı yazıya dökmedir. Bu duyuru konuşma sentezini kapsamıyor.
Kurumsal tarafta asıl iddia, çağrı merkezi ve toplantı yazılımının birden fazla modeli zincirlemek zorunda kalmaması. Tek model hem yazı hem konuşmacı hem de cümle sonunu üretirse entegrasyon kısalır. Rakipler hâlâ ayrı diarizasyon ve ayrı uç noktası modelleri satıyor. Meta bu üç işi aynı akışta tuttuğunu söylüyor.
Doğrulanmış 25 dil arasında Türkçe’nin yanı sıra Arapça, Bengalce, Felemenkçe, İngilizce, Fransızca, Almanca, İbranice, Hintçe, Endonezce, İtalyanca, Japonca, Kannada, Korece, Malayca, Mandarin, Marathi, Lehçe, Portekizce, İspanyolca, Tagalog, Tamil, Telugu, Tayca ve Vietnamca var. Liste, Türkiye’deki ürün ekiplerinin yerli dil desteğini beklemeden denemesini mümkün kılıyor.
Mac diktasyonu, sistem genelinde herhangi bir metin alanına yazabiliyor. Muse Code, yazılım ortamında sesli komutu koda çevirmek için aynı omurgayı kullanıyor. Model API ise üçüncü parti uygulamaların aynı akışı kendi ürününe gömmesini sağlıyor. Üç kanalın ortak vaadi, ayrı bir konuşmacı ayırma motoru satın almadan canlı transkript üretmek.
Fiyat, uzun toplantı kayıtlarında hızla birikir. Bin dakikalık bir çağrı merkezi günü üç dolara denk gelir; on bin dakikalık bir operasyon otuz dolar eder. Bu rakam, ayrı diarizasyon motoru kiralayan ekiplerin fatura kalemini tek satıra indirir. Gecikmenin konuşma temposuna göre ayarlanması, yavaş konuşulan hukuki kayıtlarda doğruluğu, hızlı çağrılarda ise hızı öne çıkarır.
Yapay zekâ asistanlarının masaüstüne inmesi, yazıya dökme kalitesini görünür kılıyor. Yanlış konuşmacı etiketi bir toplantı özetini bozar. Meta, 20’den fazla sesi ayırabileceğini söyleyerek bu kırılmayı ürün iddiasının merkezine koydu.
