微软开源流式语音识别模型 VibeVoice-ASR，统一说话人分离与转写
microsoft · hf · 2026-09-03
微软在 Hugging Face 发布 VibeVoice-ASR-Streaming 技术报告与模型：一个基于 LLM 的流式端到端模型，将说话人归属的语音识别（ASR）与说话人分离（diarization）统一在同一模型内，面向低延迟的实时应用场景。这使其适合直播字幕、会议转写、实时对话分析等需要边听边转且区分谁在说话的场景。
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
- Gaussian Splatting 版电影预告片即将登场 — CSProfKGD · 2026-10-18
- 开发者开源 ComfyUI 分镜与视频提示词生成工具 — Resident-Gain-5424 · 2026-10-18
- 博主用 Seedance 2.5 生成特斯拉起飞创意视频 — SimplyAnnisa · 2026-10-18
- 离谱提示词考验:Fable 5.5 精准画出鹈鹕骑车套娃 SVG — bookwormengr · 2026-10-18
- AI 版斯内普逛巴西街头爆火，以假乱真引围观 — paulinoow · 2026-10-18
- Luma 分享类电影工作流：真人动捕实拍再转绘出 AI 特技画面 — lmoroney · 2026-10-18