Тег: Аудио

VibeVoice-ASR-Streaming-7B — старшая потоковая модель Microsoft для распознавания речи и говорящих.

VibeVoice-ASR-Streaming-1.5B расшифровывает речь по мере поступления аудио и поддерживает десять языков.

VibeVoice-ASR распознаёт длительную речь, связывает реплики с говорящими и расставляет временные отметки.

VibeVoice-Realtime-0.5B — компактная модель Microsoft для потокового синтеза речи с низкой задержкой.

VibeVoice-TTS-1.5B генерирует длинную речь с несколькими голосами и сохранением очередности реплик.