微软发布 VibeVoice-ASR-Streaming-7B：流式语音识别开源模型
microsoft · hf · 2026-09-02
微软在 Hugging Face 发布 VibeVoice-ASR-Streaming-7B，一个 7B 参数的流式自动语音识别（ASR）模型，支持语音转文字（Speech-to-Text）与转写任务，覆盖中文与英文，基于 transformers 架构并以 safetensors 格式提供权重。
所属事件:微软开源 VibeVoice-ASR-Streaming-7B 流式识别模型(6 条相关)→
「多模态」频道最新
- MiniMax H3 图生视频角色替换 prompt 结构实测：六段式模板全公开 — photobombolo · 2026-10-18
- Black Forest Labs 时隔许久发新图像模型，图像编辑能力惊艳 — Xianbao_QIAN · 2026-10-18
- DeepSeek V4.1 Flash 一句话生成细节拉满的90年代中国居民楼3D场景 — zizhpan · 2026-10-18
- 开源版CapCut:Rust引擎视频编辑器Concat可被AI Agent直接控制 — techNmak · 2026-10-18
- 学生开源 kimo:无 GUI 视频编辑器,由 AI Agent 经 MCP 驱动 — LieTop7965 · 2026-10-18
- 视频生成 API 每 10 秒约 0.5 美元,自建服务器何时更划算? — Key-Lychee-913 · 2026-10-18