MOSS 语音模型也强：Transcribe-Diarize 力压 VibeVoice-Large，体积仅 10%

SharkWipf · reddit · 2026-10-18

Reddit 用户在 MOSS-Image 发布前一天偶然测试了 OpenMOSS-Team 的 MOSS-Transcribe-Diarize（ASR/说话人分离模型）。在他测过的 7 个高口碑模型里，MOSS 系列与此前最强的 VibeVoice-Large 打平甚至直接胜出，而体积只有后者的约 10%，且明显少受 VibeVoice-Large 常见的循环复读问题困扰。模型已在 Hugging Face 开源，也可在 audio.cpp 中使用。作者感叹 MOSS-Image 刷屏前一天自己刚得出 MOSS 语音模型很强的结论，时机巧合。