![语音/音频处理学术速递[3.30]](https://api.speechhome.com/Resources/Thumb/2026-03-31/2038879556068315136.png)
声浪
通用语音识别模型VibeVoice ASR：长达60分钟音频一次性“直出”结构化转写
本文来源丨微软亚洲研究院 近日，微软亚洲研究院发布了一款通用的语音识别模型VibeVoice ASR，单次转录可处理长达 60 分钟的连续音频，并能够可靠地生成丰富、结构化的输出，清晰地记录说话者是谁以及其说话时间。作为一种全新的语音识别范…
26 0 0
![语音/音频处理学术速递[3.27]](https://api.speechhome.com/Resources/Thumb/2026-03-27/2037471248124088320.png)
![语音/音频处理学术速递[3.26]](https://api.speechhome.com/Resources/Thumb/2026-03-26/2037061567039803392.png)
![语音/音频处理学术速递[3.25]](https://api.speechhome.com/Resources/Thumb/2026-03-25/2036750731675045888.png)
![语音/音频处理学术速递[3.24]](https://api.speechhome.com/Resources/Thumb/2026-03-24/2036366088308133888.png)
![语音/音频处理学术速递[3.23]](https://api.speechhome.com/Resources/Thumb/2026-03-23/2036007547131006976.png)
![语音/音频处理学术速递[3.20]](https://api.speechhome.com/Resources/Thumb/2026-03-20/2034920757431242752.png)
![语音/音频处理学术速递[3.19]](https://api.speechhome.com/Resources/Thumb/2026-03-19/2034576448974622720.png)
![语音/音频处理学术速递[3.18]](https://api.speechhome.com/Resources/Thumb/2026-03-19/2034576267294150656.png)
本文来源丨微软亚洲研究院 近日，微软亚洲研究院发布了一款通用的语音识别模型VibeVoice ASR，单次转录可处理长达 60 分钟的连续音频，并能够可靠地生成丰富、结构化的输出，清晰地记录说话者是谁以及其说话时间。作为一种全新的语音识别范…