画像・動画・音声

「VibeVoice-ASR-GGUF」音声認識・話者識別モデル:必要VRAM 8GB〜・配布ファイル一覧

Microsoftの音声認識モデル「VibeVoice-ASR」のGGUF版「ggml-org/VibeVoice-ASR-GGUF」が公開。llama.cppを用いたローカル環境での長尺音声認識や話者識別、多言語処理の仕様を解説しま ...