语音识别

VibeVoice是微软开源的前沿语音AI模型系列，聚焦于长文本语音合成（TTS）与长音频语音识别（ASR）。其核心创新在于采用7.5Hz超低帧率的连续语音分词器（声学+语义），结合大语言模型与扩散头，在保证音质的同时大幅提升长序列处理效率。