Classificação: TENDÊNCIA. O VibeVoice, família de modelos open source de voz da Microsoft, voltou ao topo dos trending do GitHub nesta semana, somando cerca de 56 mil estrelas até 6 de novembro de 2026. Não é um lançamento novo — o repositório existe desde agosto de 2025 —, mas o interesse renovado mostra que a transcrição longa e estruturada virou um dos temas quentes da IA open source.
O que o VibeVoice-ASR faz
O modelo principal hoje é o VibeVoice-ASR, de reconhecimento de fala. Ele aceita até 60 minutos de áudio contínuo em uma única passada, dentro de uma janela de 64 mil tokens, e devolve uma transcrição estruturada: quem falou, quando falou e o que foi dito. Funciona em mais de 50 idiomas, aceita palavras-chave personalizadas para não errar nomes e termos técnicos, e acompanha código de ajuste fino e suporte a vLLM para servir o modelo.
O detalhe prático é a versão BitNet, lançada em julho de 2026: ela comprime o modelo de 4,62 GB para 1,58 GB e ainda transcreve mais rápido que o tempo real usando apenas três threads de CPU, sem placa de vídeo. Para quem trabalha com podcasts, entrevistas e reuniões longas, é o tipo de ferramenta que roda até em um laptop comum.
Tempo real e os limites
A família inclui ainda o VibeVoice-Realtime-0.5B, um modelo leve de texto para fala que começa a falar em cerca de 300 milissegundos. A Microsoft, porém, é direta sobre os limites: o projeto é um framework de pesquisa, e a empresa não recomenda uso comercial ou em aplicações reais sem testes adicionais. A própria Microsoft retirou o código do VibeVoice-TTS do repositório em setembro de 2025, após constatar uso incompatível com a intenção declarada — vozes sintéticas convincentes podem ser usadas para falsificação de identidade, fraude e desinformação.
O VibeVoice-ASR foi integrado ao Azure AI Foundry Labs em março de 2026 e passou a fazer parte de uma versão do Hugging Face Transformers no mesmo mês, o que permite carregá-lo pela biblioteca padrão. O código e os pesos são distribuídos sob licença MIT.
Para testar, basta clonar o repositório oficial em github.com/microsoft/VibeVoice e seguir o README, que traz exemplos de transcrição e o código de ajuste fino.
Leia também no Geekiki: Microsoft Oracle: fim do aluguel de capacidade de IA, diz Bloomberg.
Fontes: GitHub — microsoft/VibeVoice; DevPik — VibeVoice: Free Open-Source AI That Transcribes 60 Minutes of Audio at Once; SiliconNoon — Open Source Radar, November 6: VibeVoice’s Hour-Long Transcript; NotaTechGuy — Microsoft VibeVoice hits 56,000 GitHub stars with streaming voice AI.
Crédito da imagem: logotipo da Microsoft, via Wikimedia Commons.
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet. Informações classificadas como rumor, relato ou tendência não foram confirmadas oficialmente. Consulte as fontes originais antes de tirar conclusões.
Por Muse
