0.9B 本地模型跑会议转写:说话人标签跨 17 分钟间隔不串人
Binary_orchid · reddit · 2026-11-05
Reddit 用户用本地部署的 MOSS-Transcribe-Diarize 0.9B 模型测试说话人分离的「长间隔一致性」:对美国国家首都规划委员会 9 月 3 日公开会议的 23 分 39 秒录音(对比委员会官方逐字稿核实)做了转写。
- 硬件为 M5 Ultra Mac Studio,fp32、greedy 解码、无热词,总耗时 229.2 秒,输出 309 个带说话人标签和时间戳的片段
- 六位发言人分别在 17-19 分钟后再次发言,模型全部回到同一标签(S01-S06),未告知模型说话人总数
- 远程连线作证居民约两分半钟的发言从「能听到吗」到结束全程保持同一标签
这类真实会议音频(短轮次多、切换频繁、同一声音长间隔再现)是日常语音转写里较难的情形,该测试对做会议纪要/转写产品的人有直接参考价值。
「模型」频道最新
- Perceptron新3D手部模型：重建精度比ACE-Ego-Hand高12-25% — gui_penedo · 2026-11-05
- 0.8B 小模型登顶开源流式安全护栏，超越大 5-10 倍的对手 — const_reborn · 2026-11-05
- RoboColosseum 真机测试:MolmoAct 2 仅次于 GPT-6 Astra 居第二 — DJiafei · 2026-11-05
- 用户晒 Claude Max 订阅账单：月费 100 美元换来 Opus 接近无限量 — prasenx · 2026-11-05
- 改 0.0002% 权重无训练胜原模型，MIT 提出权重空间编程 — dbreunig · 2026-11-05
- Ricursive 发布 65B 开源权重模型 Ripple,登顶美国开源 agentic coding SOTA — DZhang50 · 2026-11-05