VibeVoice-ASR-HF
Microsoft · États-Unis
- Poids ouverts
- Licence : MIT
- Français annoncé
En bref : 38e sur 39 en transcription en français ; 44e sur 53 en transcription en anglais (Open ASR).
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 huggingface.co, le 17/10/2026.
- Sortie
- 6 mars 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 50 langues, dont le français. Lu sur huggingface.co, raw.githubusercontent.com.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 38e sur 39 en transcription en français (14,04 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
38e sur 39taux d'erreur par mot 14,04 %
Vitesse : RTFx 126 : transcrit 126 secondes d'audio par seconde de calculPar jeu de test : Common Voice 23,85 %, FLEURS 11,30 %, MLS 6,96 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
44e sur 53taux d'erreur par mot 8,16 %
Vitesse : RTFx 216 : transcrit 216 secondes d'audio par seconde de calculPar 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 · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, MOSS-Transcribe-Diarize (37e, 10,66 %) · derrière, omniASR-CTC-300M-v2 (39e, 18,59 %)
- Transcription en anglais, Open ASR : devant, omniASR-LLM-7B-v2 (43e, 8,13 %) · derrière, Audio8-ASR-0.1B (45e, 8,29 %)
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.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
microsoft/VibeVoice-ASR-HF - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- 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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.