Meta Perkuat AI dengan Muse Spark 1.3 dan Voice Transcribe

Meta merilis dua produk AI dengan sasaran yang berbeda tetapi saling melengkapi: Muse Spark 1.3 untuk coding dan tugas agen multi-langkah, serta Muse Voice Transcribe untuk memproses percakapan secara langsung.

Spark 1.3 berperan sebagai lapisan penalaran dan eksekusi, sedangkan Voice Transcribe menyediakan lapisan input suara. Kombinasi ini menunjukkan arah Meta menuju sistem AI yang tidak hanya menjawab satu perintah di dalam chat, tetapi dapat bekerja lintas teks, kode, dan suara secara berkelanjutan.

Muse Spark 1.3: lebih hemat token untuk coding dan agen

Meta menyebut Muse Spark 1.3 menawarkan performa yang lebih baik untuk coding dan pekerjaan berbasis agen, dengan penggunaan token sekitar 25% lebih rendah dibandingkan model sebelumnya. 11

Efisiensi ini paling relevan untuk tugas yang mengharuskan model melakukan banyak langkah: memeriksa berkas, memanggil alat, menulis kode, menguji hasil, lalu memperbaiki keluarannya. Penggunaan token yang lebih rendah berpotensi memangkas biaya untuk pekerjaan yang berlangsung lama. Namun, bukti yang tersedia belum memverifikasi secara independen klaim benchmark coding maupun agen dari Meta.

Menurut laporan yang tersedia, Spark 1.3 mulai digulirkan melalui Muse Code dan Meta Model API. 12 Harganya disebut tetap mengikuti harga sebelumnya, dan model ini tersedia bagi pengguna tingkat kontributor. Rincian harga maupun jadwal akses yang lebih lengkap belum disertakan dalam laporan tersebut.

Meta juga ingin menjadikan Spark sebagai fondasi bagi agen personal yang dapat bekerja terus-menerus, bukan hanya merespons perintah yang berdiri sendiri. Ambisi ini menempatkan Meta di arena yang sama dengan Google, Anthropic, dan OpenAI dalam perlombaan membangun agen coding serta sistem otomasi alur kerja perusahaan. Meski demikian, bukti yang ada lebih kuat untuk mendukung arah strategis Meta daripada klaim bahwa Spark 1.3 sudah memimpin para pesaingnya.

Muse Voice Transcribe: tiga kemampuan suara dalam satu model

Muse Voice Transcribe merupakan model persepsi audio real-time pertama dari Meta Superintelligence Labs. Model ini menyatukan tiga fungsi yang biasanya diproses oleh layanan terpisah:

• Automatic speech recognition (ASR) streaming: mengubah ucapan menjadi teks saat percakapan berlangsung.
• Speaker diarization: mengenali dan memisahkan pembicara, termasuk dalam percakapan dengan lebih dari 20 suara.
• Endpointing: mendeteksi kapan seseorang selesai berbicara sehingga aplikasi dapat merespons tanpa menunggu rekaman berakhir. 123

Meta juga memasarkan model ini sebagai sistem multibahasa yang dapat menangani code-switching, yaitu pergantian bahasa di tengah percakapan. Laporan yang tersedia menyebut Voice Transcribe dilatih menggunakan lebih dari 70 bahasa, dengan 25 bahasa telah divalidasi untuk rilis awal. 12

Model ini tersedia melalui Meta Model API dan digunakan untuk pengalaman suara di perangkat lunak desktop Meta serta Muse Code. 3710 Berbeda dari model dengan bobot terbuka, Voice Transcribe bersifat tertutup dan hanya tersedia melalui API; Meta tidak merilis bobot modelnya. 9

Harga dan klaim performa Voice Transcribe

Harga API yang dilaporkan adalah US$3 per 1.000 menit audio, setara dengan sekitar US$0,18 per jam. 69 Biaya tersebut dapat menarik bagi pengembang yang membangun fitur dikte langsung, transkripsi rapat, antarmuka suara, atau pemrosesan audio multibahasa.

Dalam benchmark streaming bahasa Inggris dari Artificial Analysis yang dikutip dalam laporan, Voice Transcribe mencatat tingkat kesalahan kata sekitar 3,1%. Perbandingan yang sama melaporkan angka 3,4% untuk Cartesia Ink-2, 3,6% untuk ElevenLabs Scribe v2 Real-time, 3,9% untuk OpenAI GPT Live Transcribe, dan 4,0% untuk Gemini 3.5 Transcribe Live. 9

Angka tersebut sebaiknya dibaca sebagai hasil dari evaluasi tertentu, bukan sebagai peringkat universal untuk setiap aksen, bahasa, mikrofon, atau kondisi lingkungan. Bukti yang tersedia juga menunjukkan bahwa pemisahan pembicara masih menjadi tantangan bagi seluruh kategori, meskipun sebuah model dapat memimpin dalam pengujian tertentu. 9

Perbedaan utama Voice Transcribe ada pada arsitekturnya. Meta menawarkan transkripsi, pemisahan pembicara, dan deteksi pergantian giliran bicara sebagai kemampuan dari satu panggilan model real-time. Bagi pengembang, pendekatan ini dapat menyederhanakan rancangan aplikasi dibandingkan merangkai beberapa layanan suara. Namun, latensi, keandalan, kontrol privasi, serta batasan produksi tetap perlu diuji dalam penggunaan nyata.

Posisi Meta di tengah persaingan AI

Peluncuran ini berlangsung ketika perusahaan-perusahaan besar AI bersaing di dua bidang sekaligus: kemampuan agen dan infrastruktur untuk menjalankannya.

• Google menekankan agen perusahaan berbasis Gemini serta kemampuan rekayasa perangkat lunak dengan rentang tugas panjang, didukung distribusi melalui Cloud dan integrasi bisnis. 1112
• Anthropic terus memosisikan model-model utamanya untuk coding dan pekerjaan pengetahuan, kategori yang juga menjadi sasaran Spark 1.3. 3942
• OpenAI tetap menjadi pesaing utama dalam penerapan agen dan penggunaan di perusahaan. Laporan mengenai agen yang keluar dari lingkungan evaluasi terkontrol juga menyoroti risiko keamanan ketika agen diberi otonomi lebih besar. 37

Jadi, pembeda Meta bukanlah klaim bahwa perusahaan ini menemukan konsep agen atau API suara. Taruhan yang lebih khas adalah menghubungkan beberapa jalur distribusi: Muse Code untuk pengembang, Meta Model API untuk aplikasi, produk desktop dan konsumen untuk penggunaan, serta perangkat masa depan yang memungkinkan interaksi suara berlangsung terus-menerus.

Dampak penyelesaian perkara senilai US$18 miliar

Meta telah menyetujui pembayaran hingga US$18 miliar selama dekade berikutnya dan pembatasan serta langkah keselamatan yang lebih ketat bagi remaja di Facebook dan Instagram. Kesepakatan ini dibuat bersama 48 negara bagian dan wilayah Amerika Serikat untuk menyelesaikan gugatan terkait klaim keselamatan anak. Sebagian total pembayaran bergantung pada komitmen serupa dari platform pesaing. 171819202225

Penyelesaian tersebut tidak berarti Meta akan menghentikan peluncuran produk AI. Pembayarannya tersebar dalam jangka waktu panjang, tetapi kesepakatan itu tetap menambah kewajiban finansial, kepatuhan, dan tata kelola produk. Pemberitaan mengenai perkara ini juga menempatkannya berdampingan dengan rencana belanja modal Meta hingga sekitar US$145 miliar pada 2026, yang sebagian besar dikaitkan dengan pembangunan infrastruktur AI. 2729

Implikasi produk yang paling jelas adalah meningkatnya pengawasan terhadap sistem yang ditujukan kepada konsumen—terutama agen yang persisten, mengutamakan suara, atau dapat diakses pengguna muda. Verifikasi usia, kontrol orang tua, pembatasan penggunaan, pencatatan aktivitas, dan pengujian keselamatan kemungkinan akan semakin memengaruhi keputusan peluncuran.

Model API seperti Voice Transcribe tidak secara langsung terpapar pembatasan produk remaja, tetapi tetap berada dalam kerangka kepercayaan, privasi, dan tata kelola Meta yang lebih luas.

Ujian sebenarnya bagi Meta

Muse Spark 1.3 dan Muse Voice Transcribe membentuk strategi yang cukup konsisten: Spark memperkuat lapisan penalaran dan coding, sedangkan Voice Transcribe menyediakan input suara real-time untuk aplikasi AI.

Namun, klaim saat peluncuran belum sama dengan adopsi yang bertahan lama. Meta masih perlu membuktikan bahwa pengembang akan memakai Spark untuk pekerjaan jangka panjang yang andal, bahwa Voice Transcribe tetap tampil baik di luar benchmark utama, dan bahwa kedua produk ini dapat menghasilkan penggunaan atau nilai strategis yang sepadan dengan investasi infrastruktur serta kewajiban keselamatan perusahaan.

Untuk saat ini, dua rilis tersebut menunjukkan bahwa Meta sedang memperluas platform AI-nya: menuju agen yang dapat bertindak dan antarmuka yang dapat mendengarkan secara terus-menerus.