微软开源 VibeVoice‑ASR‑Streaming:端到端流式多人语音转写,输出稳定发言人标签微软研究院正式开源了 VibeVoice-ASR-Streaming,这是一款端到端的流式语音识别模型。它打破了传统“先转录后分离”或“双模块拼接”的局限,能够在音频输入的同时,实时输出带有准确说话人...语音模型# VibeVoice‑ASR‑Streaming# 微软2个月前870