SULAWESI SELATAN — Persaingan di ranah kecerdasan buatan (AI) semakin memanas. Meta melalui divisi khususnya, Meta Superintelligence Lab (MSL), memperkenalkan Muse Voice Transcribe, sebuah model persepsi audio yang bekerja secara real-time. Model ini dirancang untuk menangani dikte dan transkripsi dengan kemampuan membedakan banyak pembicara di tengah percakapan yang kompleks.
Fitur utama yang ditawarkan bukan sekadar mengubah ucapan menjadi teks. Muse Voice Transcribe dapat melakukan speaker diarization—proses memisahkan siapa berbicara siapa dalam satu rekaman—secara native dalam satu model tunggal. Kemampuan ini memudahkan untuk mengikuti alur diskusi yang melibatkan banyak orang.
Model ini juga punya kemampuan endpointing atau menentukan kapan seseorang selesai berbicara. Sistem menggunakan penundaan adaptif untuk memprediksi akurasi, di mana model menunggu lebih lama pada kata-kata sulit dan langsung memproses bagian yang mudah.
Salah satu nilai jual utamanya adalah dukungan terhadap code-switching. Muse Voice Transcribe dapat mentranskripsi kalimat yang menggabungkan kata-kata dari bahasa berbeda tanpa kebingungan. Model ini dilatih menggunakan data dari lebih dari 70 bahasa, dengan 25 bahasa yang sudah tervalidasi sejak peluncuran.
Kemampuan ini diperlihatkan langsung oleh CEO Meta, Mark Zuckerberg, dalam contoh video yang ia bagikan. Dalam video tersebut, sistem secara otomatis membedakan pembicara dan menyesuaikan bahasa transkripsi secara mulus tanpa jeda atau kesalahan berarti.
Bagi pengguna yang penasaran, Muse Voice Transcribe sudah mulai dipakai untuk fitur dikte di aplikasi desktop Meta AI yang dirilis baru-baru ini. Aplikasi ini memungkinkan fitur suara berjalan di layanan lain, dan kinerja transkripsi pada aplikasi tersebut digerakkan oleh model terbaru ini.
Pengembang juga bisa mengakses model ini melalui Muse Code dan Meta Model API. Harga yang dipatok adalah USD 3 per 1.000 menit audio (estimasi sekitar Rp 49.500). Meta juga menyediakan versi demo Muse Transcribe di blog riset mereka untuk uji coba publik.
Peluncuran ini terjadi kurang dari sepekan setelah Google memperkenalkan Gemini 3.5 Transcribe, model audio dengan klaim kemampuan serupa. Namun, terdapat perbedaan strategi yang jelas. Google berencana mengintegrasikan modelnya langsung ke sistem Android dan Chrome, sementara Meta belum mengumumkan rencana integrasi ke layanan utama seperti WhatsApp atau Instagram.
Bagi pengguna akhir di Indonesia, dampaknya saat ini masih terbatas pada pengguna aplikasi desktop Meta AI atau pengembang yang ingin bereksperimen. Meski bahasa Indonesia belum disebutkan dalam daftar bahasa yang tervalidasi, cakupan data pelatihan yang mencakup 70+ bahasa membuka peluang besar.
Muse Voice Transcribe hadir di tengah agresivitas MSL yang terus merilis produk baru. Pekan-pekan terakhir saja, Meta juga meluncurkan agen coding khusus dan model open-weight sebagai bagian dari ekspansi ekosistem AI mereka.