MosiAI 发布 MOSS-Transcribe-Diarize-0.9B 开源端到端多说话人转录模型

MosiAI 发布了 MOSS-Transcribe-Diarize-0.9B，一个 0.9B 参数的开源端到端模型，专门用于多说话人长音频转录。该模型将 ASR、说话人日记化和时间戳对齐整合为单个生成式过程，不同于 WhisperX 的分阶段串联方式。它支持最长约 90 分钟的音频一次性输入，无需分块或拼接，并具备关键词偏置功能以提升专有名词识别准确率。vLLM 在发布当天（day-0）即提供了对该模型的支持。