待验证50% 置信发布精确时间
微软开源了流式语音识别模型VibeVoice系列，可在接收音频输入的同时实时转录文本并自动标注说话人
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/11
首次发现
有效期至：2026/12/10
来源
涉及实体
相关事实
待验证微软的VALL-E及开源项目Bark和RVC等语音克隆技术能仅凭数秒语音样本生成高度逼真的仿声音频75% 相似待验证In Windows voice input online mode, voice data is sent to Microsoft's cloud for processing, yielding higher recognition accuracy; offline mode processes locally with lower latency74% 相似待验证谷歌NotebookLM的Audio Overview功能允许用户上传文档后自动生成两位AI主持人进行深度讨论的播客音频73% 相似待验证剪映具有自带的语音识别功能，可以将直播录像中的语音转化为字幕文本73% 相似待验证Google 的 AudioPaLM 是直接实现音频到音频映射的端到端语音模型73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/893015API
curl https://kongchang.com/api/v1/knowledge/claims/893015MCP
get_claim(id=893015)