微软开源统一语音识别模型 VibeVoice-ASR，专为长音频设计-低调大师

微软开源统一语音识别模型 VibeVoice-ASR，专为长音频设计

2026-01-22 7

微软开源了 9B 参数的全新统一语音识别模型 VibeVoice-ASR，支持处理长达 60分钟的长音频，能够在单次处理中生成包含说话人身份、精确时间戳和文本内容的结构化转录结果。模型支持用户自定义热词以提升特定领域的识别准确率。

VibeVoice-ASR 主要特性：

单次处理最长 60 分钟音频：与将音频分割成短片段（通常会丢失全局上下文）的传统 ASR 模型不同，VibeVoice ASR 可接受长达 60 分钟的连续音频输入，每个音频片段长度为 64K。这确保了整整一小时内说话人追踪的一致性和语义连贯性。
自定义热词：用户可以提供自定义热词（例如，特定名称、技术术语或背景信息）来指导识别过程，从而显著提高特定领域内容的识别准确率。
丰富的转录（谁、何时、什么）：该模型联合执行 ASR、人声分割和时间戳功能，生成结构化的输出：「谁在何时说了什么」。

模型整体架构如下：

开源地址

https://huggingface.co/microsoft/VibeVoice-ASR
https://github.com/microsoft/VibeVoice

微信关注我们

原文链接：https://www.oschina.net/news/398575

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

苹果内部类“ChatGPT”Enchanté 曝光，可写代码改文案

Macworld 援引知情人士消息称，苹果公司已开始在其办公室更广泛地向员工推广两款全新的 AI 应用。这两款工具旨在帮助员工在实际场景中测试 AI 功能，并将其融入工作流程，甚至有助于提升 Apple Intelligence 的水平。第一款应用名为 Enchanté，是一款类似 ChatGPT 的内部员工助手。该应用可以帮助员工提出想法、进行产品开发、校对，甚至解答一般知识问题。其界面与 macOS 版 ChatGPT 应用非常相似。该应用仅运行经苹果公司批准的模型，且所有模型均在本地或私有服务器上运行，不与任何第三方连接。除了苹果公司自身用于支持 Apple Intelligence 的基础模型外，Enchanté 还提供对 Claude 和 Gemini 的访问权限。由于这款应用具备极高的隐私和安全保障，员工甚至可以上传文档、图片和文件进行分析。消息人士称，该应用还可以访问存储在Mac上的文件，以此作为答案的来源。根据苹果公司的一份内部备忘录，员工不仅可以将 Enchanté 用作测试平台，还可以将其用于日常工作中。该应用包含苹果公司内部文档和指南的数据库，目前已被包括...

2026-01-22

6

你是否曾为音视频转换工具安装复杂、依赖繁琐而头疼？是否期待一款既功能强大、又易于分发的一站式处理工具？这一切，如今在 deepin 上变得异常简单。近期，社区开发者@Jack Lau将应用 OpenConverter适配成玲珑格式，使其能够以完整的形态无缝集成至 deepin 生态中，真正实现了“下载即用，无需配置”的流畅体验。 OpenConverter：不只是格式转换 OpenConverter 是⼀款基于 FFmpeg 和 BMF 框架编写的跨平台(支持 Windows，Linux，MacOS)开源⾳视频转换⼯具，可以⽅便的进⾏⾳视频信息查看，格式转换，编码转换，视频剪切，⾳频提取，图⽚压缩，批量处理等操作，最近还⽀持了AI超分功能，未来会开放更多AI能⼒。同时，它⽀持 GUI 和 CLI 两种使⽤⽅式，还可以根据需要选择不同的转码内核(FFTOOL， FFMPEG， BMF)。下载体验 deepin 应用商店（AMD64、ARM64）如意玲珑应用商店：https://store.linyaps.org.cn/ GitHub：https://github.com/OpenC...

2026-01-22

5

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。