VI
模型参数
90亿
上下文长度
64K
多语言支持
支持
推理能力
暂无数据
统一 ASR、speaker diarization 和 timestamping 的长音频模型；64K 序列内可单次处理约 60 分钟，50+ 语言并支持 code-switching 与 hotwords/context injection。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
VibeVoice-ASR
模型基本信息
推理过程
暂无数据
思考模式
不支持思考模式
上下文长度
64K tokens
最大输出长度
暂无数据
模型类型
语音大模型
输入/输出模态
音频 → 文本
发布时间
2026-01-21
模型文件大小
暂无数据
MoE架构
是
总参数 / 激活参数
90亿 / 暂无数据
知识截止
暂无数据
VibeVoice-ASR
开源和体验地址
VibeVoice-ASR
官方介绍与博客
官方论文
暂无
DataLearnerAI博客
暂无
VibeVoice-ASR
API接口信息
接口速度
暂无数据
暂无公开的 API 定价信息。
VibeVoice-ASR
发布机构
Microsoft Azure
查看发布机构详情 VibeVoice-ASR
模型解读
VibeVoice-ASR 是 Microsoft 发布的语音模型。统一 ASR、speaker diarization 和 timestamping 的长音频模型；64K 序列内可单次处理约 60 分钟，50+ 语言并支持 code-switching 与 hotwords/context injection。官方首次公开日期为 2026-01-21。
规格与公开信息
- 架构：Dual speech tokenizers + Qwen2.5-family decoder-only LM
- 参数规模：9B
- 上下文：65,536 tokens
- 最大输出：single pass up to ~60 minutes audio
- 语言：50+ languages
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
