微软开源统一流式语音大模型 VibeVoice ASR Streaming 系列

微软开源 VibeVoice-ASR-Streaming 系列模型（1.5B 与 7B），支持 10 余种主流语言的毫秒级流式语音识别，并同时输出高精度的说话人分离标签。