Sanju Das , কলকাতাঃ আমেরিকান প্রযুক্তি সংস্থা Meta তাদের প্রথম রিয়েল-টাইম অডিও পারসেপশন মডেল ‘Muse Voice Transcribe’ চালু করেছে। নতুন এই AI মডেলটিতে বাংলা-সহ পাঁচটি প্রধান ভারতীয় ভাষার নেটিভ সাপোর্ট থাকবে। পাশাপাশি এতে উন্নত স্ট্রিমিং সুবিধাও রয়েছে। সংস্থার দাবি, এই অত্যাধুনিক AI মডেলটি Meta Superintelligence Labs-এ তৈরি করা হয়েছে।
মেটার দাবি, ‘Muse Voice Transcribe’ একই মডেলের মাধ্যমে স্ট্রিমিং ট্রান্সক্রিপশন, স্পিকার সেপারেশন এবং ডায়ারাইজেশনের মতো একাধিক সুবিধা দিতে সক্ষম। এমনকি ২০ জনেরও বেশি বক্তা থাকা এক ঘণ্টার বেশি দীর্ঘ অডিও রেকর্ডিংও এই মডেল প্রসেস করতে পারে। এর জন্য আলাদা করে কোনও পোস্ট-প্রসেসিংয়ের প্রয়োজন হবে না, ফলে অডিও থেকে তথ্যকে টেক্সটে রূপান্তরের পুরো প্রক্রিয়াটি আরও সহজ ও দ্রুত হতে পারে।
সংস্থা জানিয়েছে, ‘Muse Voice Transcribe’-কে বিশ্বের ৭০টিরও বেশি প্রচলিত ভাষার ডেটা দিয়ে প্রশিক্ষণ দেওয়া হয়েছে। লঞ্চের সময় মডেলটির কার্যক্ষমতা ২৫টি ভাষায় যাচাই করা হয়েছে। মেটার দাবি, ১ সেপ্টেম্বর ২০২৬ পর্যন্ত Artificial Analysis-এর Streaming Speech-to-Text Leaderboard-এ এই মডেল প্রথম স্থানে রয়েছে।
‘Muse Voice Transcribe’ মেটা মডেল API-এর মাধ্যমে ব্যবহার করা যাবে। ইতিমধ্যেই Meta AI for Mac এবং Muse Code-এ ডিকটেশন ফিচার হিসেবে এই মডেল ব্যবহার করা হচ্ছে। এটি রিয়েল-টাইম অটোমেটিক স্পিচ রিকগনিশনের সুবিধা দেয় এবং একইসঙ্গে ২০ জনেরও বেশি বক্তাকে শনাক্ত করতে পারে। আরও নির্ভুল ফলাফলের জন্য এতে ভাষা, কীওয়ার্ড এবং কনটেক্সট বায়াসিংয়ের মতো সুবিধাও রাখা হয়েছে।
মেটার মতে, মডেলটিতে ‘Adaptive Delay’ প্রযুক্তি ব্যবহার করা হয়েছে। অডিওতে ব্যবহৃত শব্দের জটিলতা অনুযায়ী এই প্রযুক্তি স্বয়ংক্রিয়ভাবে প্রসেসিংয়ের ডিলে বা বিলম্ব সামঞ্জস্য করে। ফলে দ্রুততার সঙ্গে নির্ভুলতার মধ্যে আরও ভালো ভারসাম্য বজায় রাখা সম্ভব হয়। এই প্রযুক্তির উন্নয়নে Reinforcement Learning (RL) ব্যবহার করা হয়েছে।
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।