Microsoft가 VibeVoice를 출시했습니다. 이는 음성 전사 (Speech Transcription)의 가장 큰 문제 중 하나를

요약

Microsoft가 긴 오디오를 한 번에 처리하는 7B 규모의 음성 전사 모델 VibeVoice를 출시했습니다. 이 모델은 화자 분리와 정밀한 타임스탬프를 지원하며 50개 이상의 언어를 처리할 수 있습니다.

핵심 포인트

• 한 시간 분량의 오디오를 단일 패스로 처리하여 일관성 유지
• 내장된 화자 분리(Speaker Diarization) 기능 제공
• 50개 이상의 언어 지원 및 정밀한 타임스탬프 생성
• 로컬 실행이 가능하여 API 비용 절감 가능