Meta Muse Voice Transcribe è il nuovo sistema di dettatura che vuole trasformaci in perfetti oratori

Meta sta costruendo la sua suite di modelli AI a un ritmo sostenuto, e l’ultimo tassello si chiama Muse Voice Transcribe: il primo modello di percezione audio in tempo reale dell’azienda, già disponibile. Non è solo un trascrittore vocale: è un sistema che punta a sostituire la dettatura di sistema (per ora su Mac) e a offrire agli sviluppatori uno strumento di speech-to-text in streaming competitivo con i migliori del mercato.

Vuoi ascoltare il riassunto dell’articolo?

Per chi ha un Mac, la cosa più immediata è che Muse Voice Transcribe alimenta già la dettatura nell’app Meta AI per macOS: basta tenere premuto il tasto Fn per dettare testo in qualsiasi applicazione. Non serve aprire Meta AI, funziona a livello di sistema.

Sotto il cofano, il modello combina tre funzioni in una sola passata, senza post-processing separato: trascrive il parlato mentre avviene, distingue i diversi parlanti in una registrazione (fino a oltre 20 voci) e capisce autonomamente quando qualcuno ha finito di parlare.

Quest’ultima capacità, che Meta chiama “endpointing”, è quella che rende la dettatura fluida invece che meccanica.

Una delle caratteristiche tecnicamente più interessanti è quella che Meta chiama “adaptive delay”: il modello non applica un ritardo fisso tra ascolto e trascrizione, ma decide caso per caso quanto audio raccogliere prima di impegnarsi su una parola. Per il parlato semplice va veloce, per le parole difficili aspetta un po’ di più. Il risultato, almeno sulla carta, è un compromesso migliore tra velocità e accuratezza rispetto ai sistemi tradizionali.

Il modello è stato addestrato su oltre 70 lingue, con 25 già validate al lancio, e supporta audio di durata superiore a un’ora. Supporta anche il code-switching nativo, cioè il passaggio da una lingua all’altra all’interno della stessa frase, senza configurazioni aggiuntive. Meta afferma che Muse Voice Transcribe occupa il primo posto nella classifica Artificial Analysis per lo speech-to-text in streaming, aggiornata al 1° settembre 2026.

Per gli sviluppatori, il modello è accessibile tramite Meta Model API al prezzo di 3 dollari ogni 1.000 minuti audio, equivalente a circa 18 centesimi all’ora.

È già integrato anche in Muse Code, l’ambiente di sviluppo AI di Meta. Chi vuole testarlo senza passare dall’API può farlo direttamente dall’annuncio ufficiale. Da qualche rapida prova che abbiamo fatto, sinceramente, in italiano non ci sembra così strabiliante, ma appunto magari è solo una impressione iniziale.

Il confronto più diretto è con Gemini 3.5 Transcribe di Google, che punta allo stesso mercato con un approccio simile. La competizione su questo segmento si sta facendo serrata, come del resto su tutte le funzioni IA che vanno oltre l’ormai banale generazione di testi, e gli utenti Mac in particolare sono spesso benedetti dall’accesso in pole position, alla faccia del walled garden.