Feiteng (@FeitengLi) “OpenMOSS 开源 MOSS-Transcribe-Diarize-0.9B，多人长音频转写一次搞定「说了什么、谁” — TopicDigg
Feiteng
@FeitengLi
Speech · Image · Video · LLM multimodal generative models
Research → Infrastructure → Built AI algo serving 200M+ users
公众号: Generative AI
Open to opportunities
加入 November 2016
1.3K 正在关注 3.5K 粉丝
OpenMOSS 开源 MOSS-Transcribe-Diarize-0.9B，多人长音频转写一次搞定「说了什么、谁说的、何时说的」。
0.9B 参数，128K 上下文，最长约 90 分钟音频一次喂进去，不切片不拼接。
4090 单卡，RTF 0.017，5–10 分钟录音 30 秒转完。
架构是 Whisper-Medium 编码器 + Qwen3-0.6B 风格 decoder，端到端一个自回归任务全包，不走 ASR＋说话人分离＋时间对齐那套级联。
带热词增强，人名/术语/型号能预配。
Apache 2.0，能商用。
模型 🤗
代码
显示更多
