廣場
最新
熱門
新聞
我的主頁
發布
空投龙
2026-04-29 00:27:25
關注
剛看到Simon在Mac上實測了微軟新開源的VibeVoice-ASR，這模型有點東西啊。
9B參數，單次處理60分鐘連續音頻，還能輸出誰在說、什麼時候說、說了什麼。
傳統方案要拼Whisper+pyannote，現在一個模型全搞定，支持50多種語言和中英混說。
他用4-bit量化版（5.71GB）在M5 Max上轉1小時播客用了8分45秒，內存峰值61.5GB，普通32GB筆記本跑不動。
有趣的是，模型把兩人對談識別成三人，因為Lenny在不同錄音環境說話。
本地跑至少要64GB內存，對播客轉寫、會議紀要來說，多步流程現在能壓縮成一次推理了。
你們覺得這模型怎麼樣？
查看原文
此頁面可能包含第三方內容，僅供參考（非陳述或保證），不應被視為 Gate 認可其觀點表述，也不得被視為財務或專業建議。詳見
聲明
。
打賞
按讚
回覆
轉發
分享
回覆
請輸入回覆內容
請輸入回覆內容
回覆
暫無回覆
熱門話題
查看更多
#
PreIPOs第二期OpenAI認購
119.11萬 熱度
#
預測世界盃阿根廷VS英格蘭
2.52萬 熱度
#
USDT充值理財雙重奏
2758.8萬 熱度
#
SK海力士ADR溢價超30%
28.43萬 熱度
#
BTC反彈觸及65000美元
1.99億 熱度
已置頂
網站地圖
剛看到Simon在Mac上實測了微軟新開源的VibeVoice-ASR，這模型有點東西啊。
9B參數，單次處理60分鐘連續音頻，還能輸出誰在說、什麼時候說、說了什麼。
傳統方案要拼Whisper+pyannote，現在一個模型全搞定，支持50多種語言和中英混說。
他用4-bit量化版（5.71GB）在M5 Max上轉1小時播客用了8分45秒，內存峰值61.5GB，普通32GB筆記本跑不動。
有趣的是，模型把兩人對談識別成三人，因為Lenny在不同錄音環境說話。
本地跑至少要64GB內存，對播客轉寫、會議紀要來說，多步流程現在能壓縮成一次推理了。
你們覺得這模型怎麼樣？