多说话人相关技术文章

php mysql shell go vue css api接口对接支付接口对接

SoulX-Transcriber 开源：端到端多人对话转录，社交对话场景 DER 低至 1.32%

SoulX-Transcriber 开源：端到端多人对话转录，社交对话场景 DER 低至 1.32%
2026-09-12 09:53:16
SoulX-Transcriber 是 Soul App 联合西北工业大学 ASLP@NPU 与 Moonstep AI 开源的端到端多人对话转录模型：统一框架直接输出带时间戳、说话人身份与文本的结构化结果，处理重叠发言、快速切换、同性别混淆更自然；在 AISHELL-4、AliMeeting 等基准大幅超越 Gemini 3.1 Pro 等闭源模型，社交对话场景 DER 低至 1.32%。
SoulX-Transcriber 语音识别多人对话端到端 Soul 播客转录社交多说话人专注

VibeVoice 深度拆解：当微软决定「开源语音 AI 的全部武器库」——从 7.5Hz 连续语音 Tokenizer 到多说话人对话生成，一个 27K Star 的开源模型家族如何重新定义文本转语音的终极形态

VibeVoice 深度拆解：当微软决定「开源语音 AI 的全部武器库」——从 7.5Hz 连续语音 Tokenizer 到多说话人对话生成，一个 27K Star 的开源模型家族如何重新定义文本转语音的终极形态
2026-08-05 06:43:20
深度拆解微软开源语音AI模型家族VibeVoice：7.5Hz连续语音Tokenizer、多说话人对话生成、90分钟长音频处理、300ms实时TTS，MIT协议本地部署，27K Star背后的架构设计与代码实战指南
VibeVoice 微软 TTS 语音合成多说话人开源 AI 文本转语音扩散模型 Tokenizer 民主化

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 python sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调