Analisando longas gravações de áudio com inteligência artificial
Publicado pela Microsoft, o VibeVoice foi desenvolvido como uma estrutura de IA de voz de código aberto. Com sua estrutura baseada em Python, o sistema permite aos usuários treinar seus próprios modelos de som e integrá-los em suas aplicações.
Atualizações
- 2 de agosto de 2026: Estrelas 48,569 → 51,860.
O que você ganha
- Converte até 60 minutos de gravação de áudio em texto por vez.
- Ele fornece ID do palestrante, carimbo de data/hora e detalhes do conteúdo de forma estruturada.
- Fornece suporte a palavras-chave definidas pelo usuário para termos e nomes personalizados.
Instalação
git clone https://github.com/microsoft/VibeVoice.git
cd VibeVoice
pip install -e .Execução
python demo/vibevoice_asr_gradio_demo.py --model_path microsoft/VibeVoice-ASR --sharepython demo/vibevoice_asr_inference_from_file.py --model_path microsoft/VibeVoice-ASR --audio_files [ses-dosyasi]Se você não programa
Quero analisar a gravação de áudio de 60 minutos que tenho usando o modelo VibeVoice. Preciso recuperar quem são os palestrantes, quando falaram e o conteúdo que disseram em um arquivo de texto estruturado. Quero também adicionar palavras-chave personalizadas para que o modelo reconheça os termos técnicos com mais precisão, como posso estruturar esse processo?
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-06-07: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. Esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.