Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Meta propose Muse Voice Transcribe, un modèle de transcription audio en temps réel au tarif de 0,18 $ l’heure. Validé par une évaluation indépendante, il promet diarisation, détection des phrases et gestion du code-switching, et s’intègre déjà à Meta AI. La firme mise sur le prix et la disponibilité immédiate, tout en gardant secrets taille et données d’entraînement.
Meta mise sur le prix et tait la taille du modèle
Meta ne communique pas le nombre de paramètres, le volume ou les sources des données audio, et ne publie pas les poids du modèle. Muse Voice Transcribe s’inscrit dans la continuité de Muse Spark 1.1 et 1.2, avec une stratégie axée sur le prix plutôt que sur la performance maximale. Le coût est fixé à 3 $ pour 1 000 minutes d’audio. À l’été 2025, Meta a restructuré sa division IA sous la supervision des Superintelligence Labs, attirant des chercheurs venus d’OpenAI, Google DeepMind et Apple, avec des offres pouvant atteindre 300 millions de dollars sur quatre ans. Certains de ces nouveaux arrivants n’ont pas poursuivi l’aventure et sont retournés chez OpenAI après seulement quelques semaines.
Des mesures tierces chiffrent l’écart de performance
Artificial Analysis confirme les performances annoncées par Meta. Muse Voice Transcribe affiche un taux d’erreur de 3,1 % en anglais, avec un délai de 0,16 seconde après la fin de la parole. ElevenLabs Scribe v2 Realtime atteint 3,6 % et 0,14 seconde, AssemblyAI Universal-3.5 Pro Realtime 4,0 %, et Cartesia Ink-2 3,4 % ou 4,0 % selon la méthode de détection des fins d’énoncés.
Traitement adaptatif par segments de 80 ms
L’audio est découpé en segments de 80 millisecondes. Après chaque segment, le modèle décide de poursuivre l’écoute ou de produire le mot suivant, modulant ainsi la quantité de contexte utilisée. Un temps d’attente plus long améliore la précision mais augmente le délai ; Muse Voice Transcribe ajuste dynamiquement ce délai pour chaque mot selon sa difficulté, traitant plus rapidement les mots simples et accordant plus de temps aux mots complexes. Ce comportement est appris par renforcement, avec une récompense pour un faible taux d’erreur et des délais courts.
Diarisation intégrée et enregistrements longs sans post-traitement
La séparation des locuteurs et la détection des phrases sont intégrées au même modèle et entraînées avec la reconnaissance vocale. Les changements de voix sont signalés, chaque passage recevant un identifiant de A à Z, et les débuts et fins d’énoncés sont marqués. Le système est capable d’identifier jusqu’à 20 intervenants, voire plus de 20 en simultané, et de traiter des enregistrements dépassant une heure sans nécessiter de post-traitement. Lors d’une présentation impliquant huit participants, Meta indique que le système associait les paroles à chaque personne en temps réel.
Plus de 70 langues et gestion du code-switching
Le modèle prend en charge plus de 70 langues, dont 25 testées en profondeur selon Meta. Il gère le code-switching au sein d’une même phrase. Des indications sur la langue, des mots-clés et le contexte peuvent améliorer la précision, notamment pour des noms propres comme Meta, Muse ou Menlo Park.
Déploiement dans Meta AI et accès immédiat
Muse Voice Transcribe est disponible dans Meta AI et via l’API Meta Model. Ce modèle est utilisé pour la dictée vocale dans Meta AI et Muse Code. Il est possible de le tester en maintenant la touche « Fn » dans n’importe quelle application.
Vision d’agents personnels et débat sur les lunettes
Meta associe cette annonce à la vision de Mark Zuckerberg d’une « superintelligence personnelle ». Lors d’une présentation scénarisée, des employés de Meta soutiennent que la fiabilité de la reconnaissance vocale constitue le socle d’agents d’IA personnels capables d’écouter des conversations via des lunettes AI. En Allemagne, un interdit sur les lunettes caméra de Meta a été discuté, mais l’Agence fédérale des réseaux a décidé de ne pas poursuivre cette voie.
Positionnement prix et dynamique concurrentielle
Le service est facturé 0,18 $ par heure, Meta se positionnant sous des concurrents comme OpenAI et ElevenLabs. À titre de comparaison, Cartesia Ink-2 coûte 4 $ et ElevenLabs Scribe v2 Realtime ainsi que Deepgram Flux 6,50 $. OpenAI a lancé GPT-Realtime-Whisper en mai pour le même usage et a réduit les prix de ses modèles de transcription en juillet.
