OpenMOSS는 장편 다중 화자 전사, 화자 분리, 타임스탬프 및 음향 이벤트 인식을 위해 설계된 0.9B 파라미터 엔드투엔드 오디오 이해 모델인 MOSS-Transcribe-Diarize를 출시했습니다.
이 모델은 단일 패스에서 음성 전사와 화자 분리를 공동으로 수행하여 별도의 ASR 및 화자 분리 시스템을 연결할 필요성을 제거합니다. [S01] 및 [S02]와 같은 익명 화자 레이블이 포함된 컴팩트한 시간 정렬 텍스트를 생성합니다. Qwen3-0.6B 스타일 인과 디코더와 Whisper-Medium 인코더를 기반으로 하며, 사용자 정의 전사 지침, 핫워드 및 음향 이벤트 주석을 지원합니다.
이 접근 방식은 회의, 통화, 팟캐스트 및 기타 장편 녹음 내에서 누가 언제 말했는지 식별하여 다운스트림 시스템에 오디오 콘텐츠에 대한 더 풍부한 시각을 제공합니다.