橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

VibeVoice-ASR-BitNet

microsoft/VibeVoice-ASR-BitNet

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：mit 上游版本：66e78021ab8f

中文简介

microsoft/VibeVoice-ASR-BitNet 是 microsoft 在 Hugging Face 发布的模型仓库，当前卡片主要关联语音识别。本站固定记录上游版本 66e78021ab8f，同步到 14 个文件，文件元数据合计 12.06 GB；访问状态为“公开”，许可证字段为“mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 microsoft/VibeVoice-ASR-BitNet 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
microsoft/VibeVoice-ASR-BitNet 是 microsoft 在 Hugging Face 发布的模型仓库，当前卡片主要关联语音识别。本站固定记录上游版本 66e78021ab8f，同步到 14 个文件，文件元数据合计 12.06 GB；访问状态为“公开”，许可证字段为“mit”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：66e78021ab8f。 任务标签：语音识别。 语言字段：en, zh, fr, it, ko, pt, vi。 架构：VibeVoiceForASRTraining。 上游 Safetensors 元数据显示参数量约 322.59 M。 库标记：ggml。 模型类型字段：vibevoice。 上游页面记录的最近更新时间：2026-07-24。

【文件信息】
上游 API 返回 14 个文件，文件元数据合计 12.06 GB。 已保存文件清单中的主要扩展名：.json 6 个、.safetensors 3 个、.gguf 2 个、.md 1 个、.png 1 个、无扩展名 1 个。 当前较大的文件包括：model-00001-of-00003.safetensors（4.65 GB）；model-00002-of-00003.safetensors（4.62 GB）；model-00003-of-00003.safetensors（1.21 GB）。

【运行或处理环境】
仓库文件元数据合计 12.06 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 615.30 MB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-25 22:47

VibeVoice-ASR-BitNet VibeVoice-ASR-BitNet** is a compressed variant of VibeVoice-ASR optimized for **real-time inference on edge CPUs** — no GPU required. Through heterogeneous quantization, the model is compressed from 4.62 GB to **1.58 GB** while achieving **1.6–2.3× faster** inference than Whisper.cpp with real-time capability (RTF ➡️ **Report:** VibeVoice-ASR-BitNet Technical Report ➡️ **Base Model:** microsoft/VibeVoice-ASR 🔥 Key Features **⚡ Real-time on CPU** — RTF | Component | FP16 | Quantized | Method | Compression | |:-:|:-:|:-:|:-:|:-:| | VAE Tokenizer | 1.31 GB | 0.65 GB | I8\_S | 2.0× | | LM Decoder | 3.32 GB | 0.92 GB | I2\_S + Q6\_K | 3.6× | | **Total** | **4.62 GB** | **1.58 GB** | — | **2.9×** | Evaluation Inference Speed | Threads | 1 | 2 | 3 | 4 | 6 | 8 | |:-:|:-:|:-:|:-:|:-:|:-:|:-:| | RTF | 1.98 | 1.08 | **0.77** | **0.63** | **0.49** | **0.42** | | vs. Whisper.cpp | 2.28× | 2.12× | 1.86× | 1.86× | 1.71× | 1.55× | Benchmarked on AMD EPYC 7V13 (AVX2+FMA) with 20s audio. **Bold** = RTF | Benchmark | VibeVoice-ASR-7B | VibeVoice-ASR-BitNet | Parakeet | Whisper | SenseVoice | FunASR | |:-:|:-:|:-:|:-:|:-:|:-:|:-:| | MLC-EN | 7.82 | **8.25** | 8.40 | 13.57 | 12.39 | 11.36 | | MLC-FR | 16.03 | 17.41 | — | — | — | — | | MLC-IT | 15.67 | 17.23 | — | — | — | — | | MLC-KO | 9.83 | 11.15 | — | — | — | — | | MLC-PT | 22.41 | 24.87 | — | — | — | — | | MLC-VI | 20.15 | 22.38 | — | — | — | — | | AISHELL4 | 19.83 | 27.45 | — | — | 22.52 | **20.41** | | AMI-ihm | 17.42 | **21.36** | 21.92 | 27.07 | 30.81 | 32.07 | | AMI-sdm | 24.18 | **25.87** | 26.33 | 36.92 | 48.11 | 40.17 | | AliMeeting | 36.21 | 40.58 | — | — | **38.75** | 39.27 | | Fleurs-en | 4.73 | 5.21 | 4.09 | **3.99** | 6.84 | 4.93 | | Fleurs-zh | 7.92 | 8.35 | — | — | **5.56** | 7.00 | | Libri-clean | 2.17 | 2.41 | **1.49** | 1.98 | 2.78 | 1.58 | | Libri-other | 5.84 | 6.27 | **3.13** | 3.60 | 6.81 | 4.01 | | VoxPopuli | 4.92 | **5.18** | 5.26 | 7.19 | 8.63 | 6.46 | Model Files | File | Size | Descri

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：66e78021ab8f。 任务标签：语音识别。 语言字段：en, zh, fr, it, ko, pt, vi。 架构：VibeVoiceForASRTraining。 上游 Safetensors 元数据显示参数量约 322.59 M。 库标记：ggml。 模型类型字段：vibevoice。 上游页面记录的最近更新时间：2026-07-24。

文件说明

上游 API 返回 14 个文件，文件元数据合计 12.06 GB。 已保存文件清单中的主要扩展名：.json 6 个、.safetensors 3 个、.gguf 2 个、.md 1 个、.png 1 个、无扩展名 1 个。 当前较大的文件包括：model-00001-of-00003.safetensors（4.65 GB）；model-00002-of-00003.safetensors（4.62 GB）；model-00003-of-00003.safetensors（1.21 GB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes306 B
  • config.json3.44 KB
  • figures/report_overview.png217.86 KB
  • generation_config.json138 B
  • model-00001-of-00003.safetensors4.65 GB
  • model-00002-of-00003.safetensors4.62 GB
  • model-00003-of-00003.safetensors1.21 GB
  • model.safetensors.index.json117.33 KB
  • README.md4.03 KB
  • tokenizer.json6.70 MB
  • tokenizer_config.json1.26 KB
  • vibeasr-lm-i2_s-embed-q6_k.gguf946.88 MB

硬件建议

仓库文件元数据合计 12.06 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 615.30 MB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。