VibeVoice

#语音转文字 #语音识别 #说话人识别 #本地AI #开源项目 #Mac #macOS #MIT
VibeVoice-ASR 是微软开源的一款语音转文字 AI，可以直接处理最长约 60 分钟的音频，无需提前手动切分。它适合会议录音、访谈、课程、播客等长音频转写场景，并支持说话人识别和句级时间戳。
VibeVoice-ASR 可以在本地运行，音频无需上传到第三方云端，也不会产生按调用次数计算的 API 费用。对于重视隐私，或者需要批量整理录音内容的用户来说，使用起来更方便。

软件功能

- 长音频转写：单次可以处理最长约 60 分钟的音频，不需要先将录音切成多个片段。
- 说话人识别：能够区分录音中的不同说话人，适合多人会议、访谈和对话内容。
- 句级时间戳：为每句话生成对应时间信息，方便定位原始录音内容。
- 多语言识别：支持 50 多种语言，可用于不同语言的录音转写。
- 本地运行：录音可以直接在自己的电脑上处理，无需上传到云端。
- 零 API 费用：本地部署后无需按分钟或调用次数支付语音识别费用。
- 适合隐私场景：会议录音、内部访谈等内容可以留在本地处理。
- MIT 开源协议：允许个人和商业项目使用，也可以根据需求进行修改和集成。
- 支持 macOS：可在 MacBook 等 Mac 设备上部署和运行。