精选理由
MosiAI 开源了一个0.9B的小模型，能一次性转录90分钟的多说话人音频，边缘设备就能跑，很适合本地部署。
MosiAI 团队开源 MOSS-Transcribe-Diarize-0.9B，仅 0.9B 参数，基于 Whisper-Medium 编码器和 Qwen3-0.6B 风格解码器。模型支持 128K 上下文，可一次性处理约 90 分钟长音频。输出直接包含时间戳和说话人标签，无需分块或单独说话人分离。还支持热词提升，用于人名、领域术语和代码切换场景。SGLang 已提供 Day-0 支持，可立即运行。
AI 翻译 · 中文
MosiAI 团队开源 MOSS-Transcribe-Diarize-0.9B，仅 0.9B 参数，基于 Whisper-Medium 编码器和 Qwen3-0.6B 风格解码器。模型支持 128K 上下文，可一次性处理约 90 分钟长音频。输出直接包含时间戳和说话人标签，无需分块或单独说话人分离。还支持热词提升，用于人名、领域术语和代码切换场景。SGLang 已提供 Day-0 支持，可立即运行。
🎉 Meet MOSS-Transcribe-Diarize-0.9B from the @MosiAI_Official team, a 0.9B open-source, end-to-end model for long-form multi-speaker ASR. Day-0 support is now live in SGLang! 1️⃣ Audio-in, structured text-out: timestamp…
- vLLM07-09 11:22原文