VibeVoice-ASR-Streaming Technical Report

• 类型：arxiv
• 标识：2609.02812
• 链接：https://arxiv.org/abs/2609.02812
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：VibeVoice-ASR-Streaming is one of the first LLM-based end-to-end approaches to streaming speaker-attributed ASR, allowing the model to produce''who said what''as speech arrives, without a separate diarization stage.
• OpenAlex ID：W7208794486
• OpenAlex DOI：10.48550/arxiv.2609.02812
• DOI：10.48550/arxiv.2609.02812
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.02812
• OpenAlex更新：2026-09-14
• 待LLM分类：否
• 标题中文：VibeVoice-ASR-Streaming 技术报告
• TLDR中文：VibeVoice-ASR-Streaming 是首批基于 LLM 的端到端流式说话人归属 ASR 方法之一，无需独立 diarization 阶段即可在语音到达时输出"谁说了什么"。
• 来源文件：
• /inbox/tom/_candidates/2026-09-03-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]