마이크로소프트, 60분 오디오 한 번에 전사하는 'VibeVoice-ASR' 공개
마이크로소프트가 허깅페이스에 음성인식 모델 'VibeVoice-ASR'을 공개했다. 오디오를 조각내지 않고 최대 60분 분량을 64K 토큰 내에서 한 번에 처리하며, 화자 구분과 타임스탬프, 맞춤형 핫워드, 50개 이상 언어의 혼용 전사를 지원한다.
VibeVoice-ASR
마이크로소프트, 음성인식 모델 'VibeVoice-ASR' 공개… 60분 오디오 단일 처리
마이크로소프트가 9B 크기의 음성인식 모델 'VibeVoice-ASR'을 오픈소스로 공개했다. 오디오를 분할하지 않고 최대 60분 분량을 한 번에 처리하며 텍스트 변환, 화자 분리, 타임스탬프를 하나로 통합했다. 긴 오디오의 문맥 단절 문제를 해결하며 파인튜닝도 지원한다.