微软发布 VibeVoice-ASR-Streaming
AI 总结
微软发布统一流式自动语音识别模型 VibeVoice-ASR-Streaming,可在音频到达时持续转写。微软的 VibeVoice GitHub 仓库称,该模型可区分“谁在何时说了什么”,支持自定义热词和10种语言,并按音频分块输出文本。
深度见解
此次发布将流式转写、说话人区分和自定义词支持整合到一个模型中,微软同时提供了模型、文档和技术报告。
Open-Source Frontier Voice AI

https://microsoft.github.io/VibeVoice/
🎙️ VibeVoice: Open-Source Frontier Voice AI
