微软发布 VibeVoice-Streaming ASR，实时转写并区分说话人
donglixp · x · 2026-09-03
微软在 Hugging Face 上发布了 VibeVoice-Streaming ASR，一款流式语音识别模型，可在音频实时到达的同时完成转写，并自动区分是谁在说话。模型支持自定义热词和 10 种语言，适合实时字幕、会议记录等场景。
所属事件:微软开源 VibeVoice-ASR-Streaming-7B 流式识别模型(6 条相关)→
「模型」频道最新
- 波兰开发者业余两周造决策模型,开源榜第一超众多商业产品 — lukaszkaiser · 2026-10-18
- DeepSeek V4.1 Flash 智能体分暴涨,长程任务提升但约束遵循下滑 — teortaxesTex · 2026-10-18
- 科学计算大佬实测：日常维护任务开源模型反超，但深挖代码缺陷仍靠 Opus — ChrisRackauckas · 2026-10-18
- DeepSeek V4.1 Flash 冲进 BuildingBench 前五,成本仅 Sonnet 的 1/15 — Lianhuiq · 2026-10-18
- MOSS SFT、Flux 3 Klein 与 SD 3.0 同提示词横评,SD3 老底被揭 — ZootAllures9111 · 2026-10-18
- 博主实测对比：GPT-6 综合接近 Opus 5.5，Computer Use 大幅领先 — _vztu · 2026-10-18