# 微软开源语音模型 VibeVoice-ASR 实测：一小时播客 8 分 45 秒转完，但 32GB 内存的 Mac 跑不动

> 原标题：微软 1 月开源的 VibeVoice-ASR 语音识别模型（https://t.co/CsXftlEAul），Simon Willison 在 Mac 上测试后给出了一份具体的实测报告。

- 来源：X · @dotey（宝玉）
- 发布时间：2026-04-29T00:06:25.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/11272
- 原文：https://x.com/dotey/status/2049279099454292283

## 摘要

Simon Willison 在 128GB 内存的 M5 Max MacBook Pro 上跑了社区做的 4-bit 量化版 VibeVoice-ASR，模型大小 5.71GB。转写一小时播客用了 8 分 45 秒，prefill 阶段内存峰值冲到 61.5GB，生成阶段稳定在 18GB 左右，所以普通 32GB 笔电基本没戏。

## 推荐理由

Simon Willison 在 128GB 内存的 M5 Max 上实测微软开源的 VibeVoice-ASR，转写一小时播客耗时 8 分 45 秒，prefill 阶段内存峰值达 61.5GB，为本地部署提供了硬件门槛参考。

## 锐评

5.71GB 的模型，prefill 峰值能冲到 61.5GB，这个倍数挺离谱的。一小时播客 8 分 45 秒转完，速度是真快，但 32GB 的笔电直接出局，本地部署的门槛被抬到 64GB 起步。想在自己机器上跑 ASR 的，先看内存再看模型大小，量化到 4-bit 也救不了 prefill 那一下。反正这活儿现阶段还是交给 API 划算。
