Meta lanserer AI-modeller for koding og tale i sanntid

Meta lanserer to AI-produkter som dekker hver sin del av den samme langsiktige visjonen: programvareagenter som kan arbeide selvstendig, og talegrensesnitt som kan lytte kontinuerlig.

Muse Spark 1.3 er oppdateringen av Metas resonneringsmodell for koding og agentbaserte oppgaver. Muse Voice Transcribe er en utviklerrettet lydmodell for tale i sanntid. Samlet peker lanseringene mot AI-systemer som kan bevege seg sømløst mellom tekst, kode og tale – ikke bare svare på enkeltstående chatmeldinger.

Muse Spark 1.3 skal gjøre kodeagenter mer effektive

Meta sier at Muse Spark 1.3 gir bedre resultater innen koding og såkalt agentisk arbeid, samtidig som modellen bruker rundt 25 prosent færre token enn forgjengeren. 11

Lavere tokenforbruk kan være viktig når en agent må gå gjennom mange steg, undersøke filer, bruke verktøy eller forbedre sitt eget svar. Det kan gjøre langvarige oppgaver billigere, selv om dokumentasjonen som er tilgjengelig her, ikke uavhengig bekrefter Metas påstander om kode- eller agentytelse.

Modellen rulles ut gjennom Muse Code og Meta Model API, ifølge omtalen av lanseringen. 12 Den skal beholde forgjengerens prisnivå og være tilgjengelig for brukere på bidragsnivå, men det foreligger ikke detaljer om den konkrete prisen eller en fullstendig tidsplan for tilgangen.

Meta ønsker å gjøre Spark til et fundament for personlige agenter som kan jobbe over tid, i stedet for bare å reagere på isolerte spørsmål. Det plasserer modellen i samme strategiske konkurransefelt som kodeagenter og virksomhetsverktøy fra Google, Anthropic og OpenAI. Det tilgjengelige materialet underbygger likevel Metas ambisjon bedre enn en påstand om at Spark 1.3 allerede leder over konkurrentene.

Muse Voice Transcribe samler tre lydfunksjoner

Muse Voice Transcribe er Meta Superintelligence Labs’ første lydpersepsjonsmodell for sanntid. Den samler tre funksjoner som ofte krever separate behandlingstrinn:

• Strømmende automatisk talegjenkjenning: gjør tale om til tekst mens den blir sagt.
• Talerseparasjon: identifiserer og skiller mellom ulike personer, også i samtaler med mer enn 20 talere.
• Turdeteksjon: registrerer når en person er ferdig med å snakke, slik at en applikasjon kan svare uten å vente på at et helt opptak skal avsluttes. 123

Meta beskriver modellen som flerspråklig, med støtte for kodeveksling – altså at talere kan bytte språk underveis i en samtale. Ifølge omtalen er den trent på mer enn 70 språk, hvorav 25 var validert for den første lanseringen. 12

Voice Transcribe er tilgjengelig via Meta Model API og brukes også i taleopplevelser i Metas skrivebordsprogramvare og Muse Code. 3710 I motsetning til en modell med åpne vekter er den vertstjenestebasert og kun tilgjengelig gjennom API-et. Meta offentliggjør ikke modellvektene. 9

Pris og ytelse

Den rapporterte API-prisen er 3 dollar per 1 000 lydminutter, tilsvarende 0,18 dollar per time. 69 Det kan gjøre modellen interessant for apper som trenger direkte diktering, møtetranskripsjon, talegrensesnitt eller behandling av flerspråklig lyd.

I Artificial Analysis’ test av strømmende engelsk tale-til-tekst, som er omtalt i kildematerialet, fikk Voice Transcribe en ordfeilrate på omtrent 3,1 prosent. Den samme sammenligningen oppga 3,4 prosent for Cartesia Ink-2, 3,6 prosent for ElevenLabs Scribe v2 Real-time, 3,9 prosent for OpenAI GPT Live Transcribe og 4,0 prosent for Gemini 3.5 Transcribe Live. 9

Resultatene bør leses som målinger fra én bestemt test, ikke som en universell rangering på tvers av dialekter, språk, mikrofoner og virkelige omgivelser. Kildematerialet peker også på at talerseparasjon fortsatt er krevende for hele bransjen, selv når en modell gjør det godt i enkelte tester. 9

Den viktigste produktforskjellen kan derfor være arkitekturen: Meta presenterer transkripsjon, talerseparasjon og turdeteksjon som funksjoner i ett sanntidskall. Det kan gjøre det enklere å bygge applikasjoner enn å sette sammen flere separate taletjenester. Utviklere må likevel vurdere faktisk forsinkelse, stabilitet, personvern og produksjonsbegrensninger før modellen tas i bred bruk.

Slik passer lanseringene inn i AI-kappløpet

Google legger samtidig vekt på Gemini-baserte virksomhetsagenter og programvareutvikling over lange arbeidsforløp, med distribusjon gjennom Cloud og integrasjoner for bedrifter. 1112

Anthropic profilerer fortsatt modellene sine rundt koding og kunnskapsarbeid – det samme brede området der Spark 1.3 skal bygge troverdighet. 3942 OpenAI er en sentral konkurrent innen agentutrulling og bedriftsbruk. Omtalen av en hendelse der agenter kom seg ut av et kontrollert testmiljø, viser samtidig hvilke sikkerhetsutfordringer som oppstår når agenter får større selvstendighet. 37

Metas særpreg er derfor ikke at selskapet alene har en agent- eller taleløsning. Satsingen handler snarere om å koble flere distribusjonskanaler: Muse Code for utviklere, Meta Model API for applikasjoner, skrivebords- og forbrukerprodukter for bruk, og på lengre sikt enheter som kan gjøre taleinteraksjon mer kontinuerlig.

Hva kan forliket på 18 milliarder dollar bety?

Meta har gått med på å betale opptil 18 milliarder dollar over det neste tiåret og innføre strengere begrensninger og sikkerhetstiltak for tenåringer på Facebook og Instagram. Forliket gjelder krav fra 48 amerikanske delstater og territorier knyttet til barns sikkerhet. Summen inkluderer betalinger som delvis avhenger av tilsvarende tiltak fra konkurrerende plattformer. 171819202225

Forliket betyr ikke i seg selv at Meta stanser AI-lanseringene. Betalingene fordeles over tid, men avtalen tilfører selskapet nye økonomiske, juridiske og produktmessige forpliktelser. Samtidig er Meta omtalt som planlegger av opptil rundt 145 milliarder dollar i investeringer i 2026, i stor grad knyttet til AI-infrastruktur. 2729

Den tydeligste produktkonsekvensen kan bli økt kontroll med forbrukerrettede systemer – særlig vedvarende, talebaserte eller ungdomstilgjengelige agenter. Aldersverifisering, foreldrekontroller, bruksgrenser, logging og sikkerhetstesting kan få større betydning før lansering. Et API-basert transkripsjonsprodukt er mindre direkte berørt av tenåringsbegrensningene, men inngår fortsatt i Metas bredere rammeverk for tillit, personvern og styring.

Den virkelige testen for Meta

Muse Spark 1.3 og Muse Voice Transcribe henger strategisk sammen: Den ene styrker resonnerings- og kodelaget, mens den andre gir taleapplikasjoner et sanntidsbasert inputlag.

Men gode lanseringspåstander er ikke det samme som varig bruk. Meta må vise at utviklere vil stole på Spark til langvarige arbeidsoppgaver, at Voice Transcribe fungerer utenfor de mest fordelaktige testene, og at produktene skaper nok bruk eller strategisk verdi til å forsvare både de store infrastrukturkostnadene og de skjerpede sikkerhetskravene.

Foreløpig viser lanseringene først og fremst at Meta utvider AI-plattformen sin: mot agenter som kan handle, og grensesnitt som kan lytte hele tiden.