微软将 VibeVoice-ASR 压到 1.58GB，面向边缘 CPU 实时语音识别
Balance- · reddit · 2026-07-28
微软的 VibeVoice-ASR-BitNet 是 VibeVoice-ASR 的压缩版，目标是在边缘 CPU 上做实时语音识别。
- 通过异构量化，把模型体积从 4.62 GB 压到 1.58 GB。
- 官方称推理速度比 Whisper.cpp 快 1.6–2.3 倍。
- 在仅 3 个 CPU 线程 上就能达到 RTF < 1 的实时能力。
- 这使它成为一个无需 GPU 的端侧语音识别方案。
「多模态」频道最新
- Seedance 2.5 实测:用角色参考图+长 prompt 生成 30 秒游客手持一镜到底 — techhalla · 2026-10-16
- AI 生成的「新家」:废墟城堡里烧烤喝酒,thread 汇总 Magnific+Seedance 全套 prompt — techhalla · 2026-10-16
- 烟雾丝绒黑色电影风提示词模板,附三张氛围感示例 — LudovicCreator · 2026-10-16
- VideoGen-Agent:基于 Qwen3-VL 的 8B 多模态 Agent 用工具循环改写视频生成 — jiqizhixin · 2026-10-16
- 用 Sonnet 5.5 + Blender 做出水上飞机模拟项目，效果惊艳 — Wise_Shame_2853 · 2026-10-16
- 网友实测 Muse AI 自动打标 300 张图生成 LoRA 数据集 — Wide_Director_8897 · 2026-10-16