欢迎关注我的知识星球：https://t.zsxq.com/FF0He
我会分享最新AI资讯、源代码、回答你的提问。
我体验了微软新推出的 VibeVoice-ASR：一个把 ASR 转录 + 说话人分离 + 时间戳 合在一起的开源模型。
这期视频你会看到：
- Playground 上手：上传音频/视频，一键转录，速度很快
- 核心能力：单次可处理 60 分钟长音频，输出结构化转录 + 说话人时间戳
- 实测对比：我用一段 Andrej Karpathy 的播客对话，以及含英文关键词的音频做测试；也对比了 FunASR Nano 在关键词上的表现
- 本地部署：官方建议 Docker/GitHub 安装；我在 Mac 上跑的时候遇到的 MPS/参数问题与解决思路
时间戳
00:00 开场：VibeVoice-ASR 是什么
00:22 关键能力
02:08 实测
04:48 本地运行与踩坑
资源
https://github.com/microsoft/VibeVoice/blob/main/docs/vibevoice-asr.md
