# VibeVoice-ASR-HF

Éditeur : Microsoft (États-Unis). Poids ouverts. Licence : MIT.

En bref : 38e sur 39 en transcription en français ; 44e sur 53 en transcription en anglais (Open ASR).

Page : https://quelleia.com/voix/modeles/microsoft-vibevoice-asr-hf/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Version compatible Transformers de VibeVoice-ASR, modèle ouvert de transcription de Microsoft qui traite jusqu'à 60 minutes d'audio en une passe. Il produit une transcription structurée (qui parle, quand, quoi) et accepte des mots-clés personnalisés. (lu sur https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md)

- Sortie : 6 mars 2026 (lu sur la page de l'éditeur, https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md)

## Langues

- Annoncées par l'éditeur : plus de 50 langues, dont le français.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 38e sur 39 en transcription en français (14,04 %).
- Source des langues annoncées : https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md, https://raw.githubusercontent.com/microsoft/VibeVoice/main/docs/vibevoice-asr.md

## Ses classements

- Transcription en français : 38e sur 39, taux d'erreur par mot 14,04 % ; vitesse : RTFx 126 : transcrit 126 secondes d'audio par seconde de calcul ; par jeu de test : Common Voice 23,85 %, FLEURS 11,30 %, MLS 6,96 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).
- Transcription en anglais, Open ASR : 44e sur 53, taux d'erreur par mot 8,16 % ; vitesse : RTFx 216 : transcrit 216 secondes d'audio par seconde de calcul ; par jeu de test : AMI-Cleaned 12,02 %, Earnings22-Cleaned-AA-chunked 7,97 %, Gigaspeech-Cleaned 7,87 %, LS Clean 1,56 %, LS Other 4,95 %, Private (conversational) 14,62 %, Private (scripted) 11,09 %, SPGISpeech 3,47 %, URGENT24 19,50 %, Voice Arena Monsoon 4,74 %, Voxpopuli-AA-Cleaned 2,02 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

## Modèles proches

- Transcription en français : [MOSS-Transcribe-Diarize](https://quelleia.com/voix/modeles/openmoss-team-moss-transcribe-diarize/), 37e (10,66 %), juste devant
- Transcription en français : [omniASR-CTC-300M-v2](https://quelleia.com/voix/modeles/meta-omniasr-ctc-300m-v2/), 39e (18,59 %), juste derrière
- Transcription en anglais, Open ASR : [omniASR-LLM-7B-v2](https://quelleia.com/voix/modeles/meta-omniasr-llm-7b-v2/), 43e (8,13 %), juste devant
- Transcription en anglais, Open ASR : [Audio8-ASR-0.1B](https://quelleia.com/voix/modeles/edge0-audio8-asr-0-1b/), 45e (8,29 %), juste derrière

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Hugging Face (hf-audio) : microsoft/VibeVoice-ASR-HF

## Liens

- Page de l'éditeur : https://huggingface.co/microsoft/VibeVoice-ASR-HF

## Pages lues

- https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md (« **VibeVoice-ASR** is a unified speech-to-text model designed to handle **60-minute long-form audio** in a single pass, generating structured transcriptions containing **Who (Speaker), When (Timestamps), and What (Content)** »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md (« Users can provide customized hotwords (e.g., specific names, technical terms, or background info) to guide the recognition process »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md (« It supports over 50 languages, requires no explicit language setting, and natively handles code-switching within and across utterances. »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md (« ## VibeVoice-ASR (Transformers-compatible version) »), 17/10/2026
- https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md (« 2026-03-06: 🚀 VibeVoice ASR is now part of a »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-ASR-HF/raw/main/README.md (« - ko - fr - ru »), 17/10/2026
- https://raw.githubusercontent.com/microsoft/VibeVoice/main/docs/vibevoice-asr.md (« | MLC-Challenge | French | »), 17/10/2026