OpenMOSS ने MOSS-Transcribe-Diarize जारी किया है, जो एक 0.9B पैरामीटर वाला एंड-टू-एंड ऑडियो समझ मॉडल है जो लंबे फॉर्म मल्टी-स्पीकर प्रतिलेखन, डायरिज़ेशन, टाइमस्टैम्प्स और अकाउस्टिक इवेंट जागरूकता के लिए डिज़ाइन किया गया है।
यह मॉडल एक ही पास में संयुक्त रूप से स्पीच प्रतिलेखन और स्पीकर डायरिज़ेशन करता है, जिससे अलग-अलग ASR और डायरिज़ेशन सिस्टम को जोड़ने की आवश्यकता समाप्त हो जाती है। यह [S01] और [S02] जैसे एनोनिमस स्पीकर लेबल के साथ कॉम्पैक्ट, टाइम-अलाइन किए गए प्रतिलेखन उत्पन्न करता है। Qwen3-0.6B शैली के काज़ुअल डिकोडर और Whisper-Medium एन्कोडर पर निर्मित, यह कस्टम प्रतिलेखन निर्देशों, हॉटवर्ड्स और अकाउस्टिक इवेंट एनोटेशन का समर्थन करता है।
यह दृष्टिकोण मीटिंग्स, कॉल्स, पॉडकास्ट और अन्य लंबे रिकॉर्डिंग्स के भीतर यह पहचानकर कि किसने कब बोला, डाउनस्ट्रीम सिस्टम के लिए ऑडियो सामग्री का एक समृद्ध दृश्य प्रदान करता है।