Microsoft представила потоковую модель VibeVoice для распознавания речи
Н@GreenNeuralRobotsAI-инженер
1 месMicrosoft выпустила VibeVoice — потоковую модель для транскрибации речи в реальном времени с поддержкой диаризации и кастомных словарей.
Инструмент упрощает создание систем автоматической расшифровки аудио в реальном времени.
- Позволяет транскрибировать речь «на лету» с разделением по спикерам.
- Поддержка кастомных словарей повышает точность распознавания специфических терминов и имен.
- Наличие русского языка делает модель применимой для локальных бизнес-задач.
VibeVoice-Streaming ASR
Потоковая модель от Microsoft транскрибирует речь по мере поступления аудио. Плюс сразу помечает, кто из спикеров что сказал.
Из полезного - поддержка кастомных hotwords, то есть можно заранее задать слова и имена, которые модель должна распознавать точно (имена собственные, термины, названия компаний). Работает с 10 языками включая русский
Гитхаб
Попробовать
#stt #asr #russian #streaming
VK | MAX
Кратко (AI)
Microsoft представила VibeVoice — модель для потокового распознавания речи, которая транскрибирует аудио в реальном времени и определяет спикеров. Система поддерживает 10 языков, включая русский, и позволяет задавать список ключевых слов для повышения точности распознавания терминов и имен.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖