VibeVoice-ASR-7B

VibeVoice-ASR-7B是微軟開源的語音識別模型，可單次處理60分鐘連續音頻，支持說話人分離、時間戳標註和自定義熱詞識別。

基本介紹

• 外文名：VibeVoice-ASR-7B
• 開源方：微軟

產品功能

模型支持50多種語言自動識別，原生支持中英混合等代碼切換場景，在MLC-Challenge數據集上英語WER為7.99，整體平均約12。