VibeVoice-ASR-Streaming Technical Report

VibeVoice-ASR-Streaming은 2026-09-02에 공개된 streaming speaker-attributed ASR 모델이다. 기존 offline recognition 한계를 겨냥해 audio chunks, lookahead audio, previous text를 interleave하는 방식으로 'who said what'을 실시간에 가깝게 처리하며, 1.5B와 7B weights와 inference code를 함께 공개했다. 본문은 7B 모델이 다섯 개 평가 세트에서 lowest average WER/CER를 달성하고, speaker attribution에서는 13개 설정 중 12개에서 best 또는 tied-best였다고 설명한다.

원문 보기