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。
「多模态」频道最新
- Fable 5.1 生成 three.js 网站实测：快且精准，但细节仍需人把关 — repligate · 2026-09-03
- 疑似 MiniMax H3 Max 开源权重现身 Hugging Face，8×B200 可实时运行 — BassNet · 2026-09-03
- Nano Banana 2 加 MiniMax H3 Max 等四模型，拼出点击式冒险探索游戏 — yshan2u · 2026-09-03
- ComfyUI 新节点:图/视频/音频参考素材加载,自带裁剪、缩放与裁剪时长 — grimstormz · 2026-09-03
- 从"提示碰运气"到"导演式创作"：视频生成的产品分层困境 — Kyrannio · 2026-09-03
- World Labs 发布视频生成新模型 Atlas — mildlyphd · 2026-09-03