上次分享的做语音转录的事 http://t.cn/AXKslkpH 有很多朋友感兴趣，接着更新一点。除了那篇题的那几个模型，最近还有一个 MOSS-Transcribe-Diarize 比较火。

今天给 BaoCut 集成了 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B，能够一次性将长音频转换为结构化、带说话人标注的转写结果。

它有点好就是不需要专门的发言人识别模型，直接输出带精确时间戳、发言人的时间对齐文本。

转录速度比 qwen3-asr-0.6b 要慢些，不支持标点符号，似乎自定义 Prompt 与热词没有起作用。

> 架构是 Whisper-Medium 编码器 + Qwen3-0.6B 风格 decoder，端到端一个自回归任务全包，不走 ASR＋说话人分离＋时间对齐那套级联。

OpenMOSS 项目地址：http://t.cn/AXKslkpT

如果你在 Mac 下想测试一下，可以使用 BaoCut：https://baocut.app