آج Fable 5.1 جاری ہوا، World Labs کا Atlas جاری ہوا، اور سب کچھ اس بات پر مشغول ہیں کہ ماڈل کتنے ذکی ہو گئے ہیں، اور عالمی ماڈل کتنے آگے بڑھ گئے ہیں۔ لیکن ایک ایسے کونے میں جہاں تقریباً کوئی توجہ نہیں دے رہا تھا، Meta نے ایک چیز جاری کی جسے میں بہت اہم سمجھتا ہوں: Muse Voice Transcribe، Meta Superintelligence Labs کا پہلا ریل ٹائم آڈیو ایوار ماسٹر ماڈل۔ ظاہری طور پر یہ صرف ایک آواز سے متن میں تبدیل کرنے والا ماڈل لگتا ہے، لیکن یہ Whisper جیسے روایتی ASR سے کہیں زیادہ کام کرتا ہے۔ ریل ٹائم ٹرانسکرپشن، speaker diarization — یعنی یہ طے کرنا کہ اب کون بول رہا ہے — اور endpointing، یعنی یہ طے کرنا کہ کسی نے اپنا جملہ مکمل کر لیا ہے یا نہیں، ان تینوں چیزوں کو ایک ہی سٹریمنگ ماڈل میں اصل میں مکمل کیا گیا ہے۔ اب ASR، VAD، اور speaker model کو الگ الگ پائپ لائن میں جوڑنے کی ضرورت نہیں۔ اس کا بہت اہم مقصد ہے۔ Voice Agent کا اب کا سب سے بڑا تجربے پر اثر ڈالنے والا مسئلہ صرف سننے میں غلطی کرنا نہیں رہا، بلکہ یہ بھی ہے کہ کب سنا جانا چاہئے، کب اپنا جواب دینا چاہئے، اور جب کئی لوگ ایک ساتھ بول رہے ہوں تو وہ کس کے لئے جواب دے رہا ہے۔ Muse کا طریقہ بھی دلچسپ ہے۔ آواز کو 80ms کے chunk میں تقسیم کیا جاتا ہے، اور ماڈل خود فیصلہ کرتا ہے کہ مزید سننا چاہئے یا متن شروع کرنا چاہئے۔ Meta نے RL کا استعمال کرتے ہوئے adaptive delay تخلیق کیا، جس میں آسان الفاظ فوراً تصدیق کئے جاتے ہیں، جبکہ مشکل الفاظ کے لئے مزید سند حاصل کرنے کے لئے تھوڑا وقت انتظار کیا جاتا ہے۔ اب تک کا نتائج بھی حیران کن ہیں۔ Artificial Analysis کے سٹرائم وائس رکگنائزیشن لسٹ پر، Muse Voice Transcribe نے صرف 3.1% WER حاصل کیا، اور آخری ٹرانسکرپشن لینگت تقریباً 160ms ہے — حالانکہ اب تک سب سے بڑھ کر۔ تربیت میں 70 سے زائد زبانوں کو شامل کیا گیا، اور شروعات میں صرف 25 زبانوں کا تصدیق کردہ عمل دکھایا گیا، جس میں ایک جملے میں انگریزی اور اردو دونوں زبانوں میں code-switching ممکن ہے؛ اور اس نے ایک سے زائد اور بھی زائد آواز پر لگاتار دوسرے آوازات پر بھی عمل کرتے ہوئے، صرف اضافی پروسسنگ کے بغیر، بھی پرفارم کر دکھایا۔ اور قیمت صرف 0.18 امریکی فل فی год۔ میرا خيال ہے کہ Meta آج نے واقعی Meta طرز پر ماڈل جاری کیا۔ پچھلے سال سب نے AI کو ذکاء دینے پر زور دیا، لेकن Meta اب حواس بحال کرنے پر توجہ دینا شروع کر رہا ہے۔