Granary-v2 开源语音模型扩至 48 语言，连数据和流水线都开放
rdesh26 · x · 2026-10-29
nithinraok 介绍 Granary-v2 的设计动机：同一段录音在不同场景需要不同输出——逐字稿、干净格式化文本、注入人名/术语上下文、翻译或针对录音的问答，用户应能按需索取。要点：
- 语言从 25 种扩展到 48 种
- 通过更好的 ASR 标注、转写精修和质量过滤提升标签质量
- 除模型外还开源了标签数据与 instruct 数据及完整数据处理流水线
配图用 Vince McMahon 递进梗图表达兴奋点：开源权重 < HF 上线 < 详细技术报告 < 连数据和流水线都开源。
「多模态」频道最新
- Magnific Move 实操:一段 prompt 生成 30 秒 MV,点帧评论即可改到 v7 — techhalla · 2026-10-29
- Magnific Move 自带多套动效模板,教程收尾号召上手试玩 — techhalla · 2026-10-29
- Magnific One 角色一致性技巧:一个基础人像+每情绪一条 prompt — techhalla · 2026-10-29
- Magnific Move 上线:AI 音乐视频教程称「剪辑不再是最难的部分」 — techhalla · 2026-10-29
- Reve 公开万卡级训练基建技术报告:用 10 倍更少 GPU 训出 2.0 — cantrell · 2026-10-29
- 可灵 4.0 上架 Cloudflare AI Gateway，720p 每秒 $0.157 — ritakozlov · 2026-10-29