VibeVoice ASR Streaming 1.5B
统一流式语音识别与说话人分离基础模型，实现毫秒级端侧低延迟语音转写。
微软 于 2026-09-02 微软开源流式说话人分离与语音识别大模型 VibeVoice ASR Streaming。
关键参数
- 参数量
- 1.5B
- 说话人分离联合建模
- 多语种流式转写
VibeVoice ASR Streaming 1.5B
统一流式语音识别与说话人分离基础模型，实现毫秒级端侧低延迟语音转写。
微软 于 2026-09-02 微软开源流式说话人分离与语音识别大模型 VibeVoice ASR Streaming。