OpenMOSS-Team이 긴 형식 다중 화자 오디오 처리를 위한 통합 모델 'MOSS-Transcribe-Diarize 0.9B'를 공개했어요.
이 모델은 음성/영상 파일을 받아 화자 정보가 포함된 텍스트 기록, 타임스탬프, 익명 화자 라벨을 한 번에 생성합니다.
회의, 통화, 팟캐스트, 강의 등 다양한 오디오/영상 콘텐츠에 활용 가능하며, 음향 이벤트 어노테이션도 제공돼요.
모델은 Qwen3-0.6B 텍스트 백본과 Whisper-Medium 인코더를 사용하며, GGUF 형식으로 Hugging Face에서 다운로드할 수 있어요.