标签: 语音识别 (2 篇)

Hugging Face 为对抗 ASR 模型的‘刷榜’行为，引入了由专业公司提供的、不公开的高质量英语语音数据集，以更真实地衡量模型在真实世界的性能。

微软推出MIT许可的Whisper风格语音模型VibeVoice，内置说话人分离功能，可在Mac上本地高效处理长达一小时的音频转录。