开源音频模型可搜索阿波罗11录音
BanghuaZ · x · 2026-07-12
OpenMOSS 发布了 MOSS-Transcribe-Diarize，一个 0.9B 的开源模型，采用 Apache 2.0 许可证。
这个模型把 转写（transcribe）、说话人分离（diarize） 和 时间戳标注（timestamp） 合并到单次处理里，核心优势是适合长音频输入。
文中给出的实测案例是：
- 用它把 174 小时 的 Apollo 11 任务音频整理成可搜索内容
- 总成本只有 $9.46
- 使用的是互联网档案馆保存的原始 NASA 录音
- 共处理 103 段音频
- 通过一次 Hugging Face Job 完成，耗时 3.8 小时，速度约 47x realtime
- 最终生成 45,355 个带时间戳的说话片段
作者还表示，现在可以按“谁在什么时候说了什么”来搜索这批任务录音。
所属事件:Open_MOSS开源语音模型可检索阿波罗录音(2 条相关)→
「多模态」频道最新
- ComfyUI Krea2 风格提示词节点复活：新分支更新大规模风格库 — Winter_unmuted · 2026-10-27
- 无 LLM 调用的「创意生成器」：单个 HTML 文件在浏览器内产出复古海报 — Afinetheorem · 2026-10-27
- 网友用 Copilot 想象并归档自己的 80/90 年代冬季穿搭概念 — Valuable-Sky2134 · 2026-10-27
- 开源钢琴转写模型 Transkun 实测:连延音踏板事件都能准确识别 — alexanderchen · 2026-10-27
- fal 上线 FLUX 3 Image Klein LoRA 训练:支持 10 张参考图、单请求叠加 3 个 LoRA — OdinLovis · 2026-10-27
- 女朋友总想挤痘？网友用 AI 把她自拍做成可玩广告游戏 — CurieuxExplorer · 2026-10-27