Meta launches Muse Voice Transcribe Bengali with five Indian languages to get native support
আমেরিকান প্রযুক্তি সংস্থা Meta তাদের প্রথম রিয়েল-টাইম অডিও পারসেপশন মডেল Muse Voice Transcribe চালু করেছে। এই নতুন এআই মডেলটি বাংলা সহ পাঁচটি প্রধান ভারতীয় ভাষায় নেটিভ সাপোর্ট করবে করে এবং এতে উন্নত স্ট্রিমিং ফিচার রয়েছে। সংস্থাটি জানিয়েছে যে এটি মেটা সুপারইন্টেলিজেন্স ল্যাবে তৈরি করা হয়েছে।
মেটার মতে, মিউজ ভয়েস ট্রান্সক্রাইব একই মডেলে স্ট্রিমিং ট্রান্সক্রিপশন, স্পিকার সেপারেশন এবং ডায়ারাইজেশনের মতো ফিচার অফার করে। এটি 20 জনেরও বেশি বক্তার এক ঘণ্টারও বেশি দীর্ঘ অডিও রেকর্ডিংও প্রসেস করতে পারে। এর জন্য কোনো অতিরিক্ত পোস্ট-প্রসেসিংয়ের প্রয়োজন হয় না।
আরও পড়ুন: TV Remote কাজ করছে না বা খুঁজে পাচ্ছেন না, আপনার Android ফোন দিয়েই চলবে টিভি, জানুন কীভাবে
সংস্থা জানিয়েছে যে মিউজ ভয়েস ট্রান্সক্রাইবকে বিশ্বজুড়ে প্রচলিত 70টিরও বেশি ভাষায় প্রশিক্ষণ দেওয়া হয়েছে। লঞ্চের সময়, এটি 25টি ভাষায় যাচাই করা হয়েছে। মেটা-র মতে, মডেলটি 1 সেপ্টেম্বর, 2026 পর্যন্ত আর্টিফিশিয়াল অ্যানালাইসিস স্ট্রিমিং স্পিচ-টু-টেক্সট লিডারবোর্ডে প্রথম স্থানে রয়েছে।
মিউজ ভয়েস ট্রান্সক্রাইব মেটা মডেল এপিআই-এর মাধ্যমে পাওয়া যাবে। এটি ইতিমধ্যেই মেটা এআই ফর ম্যাক এবং মিউজ কোডে ডিকটেশন ফিচার হিসেবে ব্যবহার হচ্ছে। এটি রিয়েল-টাইম অটোমেটিক স্পিচ রিকগনিশন অফার করে, যা 20 জনেরও বেশি স্পিকারকে শনাক্ত করতে পারে এবং উন্নত নির্ভুলতার জন্য ল্যাঙ্গুয়েজ, কীওয়ার্ড এবং কনটেক্সট বায়াসিং-এর মতো ফিচার রয়েছে।
মেটা জানিয়েছে যে এই মডেলটি অ্যাডাপ্টিভ ডিলে টেকনোলজি ব্যবহার করে। এই প্রযুক্তি শব্দের কাঠিন্য অনুযায়ী স্বয়ংক্রিয়ভাবে ডিলে সামঞ্জস্য করে, যা গতি এবং নির্ভুলতার মধ্যে একটি ভালো ভারসাম্য তৈরি করে। এর জন্য রিইনফোর্সমেন্ট লার্নিং (আরএল) ব্যবহার করা হয়েছে।
আরও পড়ুন: 7050mAh ব্যাটারি এবং 50 মেগাপিক্সেল ক্যামেরা সহ Vivo T5 5G স্মার্টফোন ভারতে লঞ্চ, জানুন দাম কত
মেটা-র মতে, মিউজ ভয়েস ট্রান্সক্রাইব একটি অটোরেগ্রেসিভ মাল্টিমোডাল মডেল, যা মিউজ স্পার্ক ফ্যামিলির একটি অংশ। এটি 80 মিলিসেকেন্ডের ছোট ছোট খণ্ডে অডিও প্রসেস করে এবং প্রতিটি খণ্ডকে একটি সফট টোকেনে রূপান্তরিত করে। কোম্পানিটি দাবি করে যে, অ্যাডাপ্টিভ ডিলে-এর কারণে এই মডেলটি দ্রুততর ট্রান্সক্রিপশন এবং উন্নততর নির্ভুলতার মধ্যে উৎকৃষ্ট পারফরম্যান্স অফার করে।