方案概述

应用场景

该解决方案帮助您快速部署CPU版、GPU版VibeVoice语音转文字应用开发平台。Vibevoice是微软开源的一套语音AI模型，专为会议纪要、播客转写和对话分析等场景设计，它致力于帮助开发者一次性获得带说话人和时间戳的结构化转录结果，更轻松地构建长音频处理应用。

方案架构

该解决方案帮助您快速部署VibeVoice应用开发平台。

图1 方案架构图（CPU版）

图2 方案架构图（GPU版）

该解决方案将会部署如下资源：

CPU版本：

• 创建1个虚拟私有云VPC和子网，用于搭建云服务所需的网络基础。
• 创建1个弹性公网IP EIP，用于提供访问公网和被公网访问能力。

• 创建1个弹性云服务器 ECS，用于部署VibeVoice-CPU服务。
• 创建1个安全组，通过配置安全组规则，为云服务器提供安全防护。

方案优势

• 长音频一次成稿

  原生支持 60 分钟长音频单次推理，直接输出带说话人和时间戳的结构化转录，无需分段拼接。

• 成本优化

  1. CPU版本：专为边缘设备设计的压缩版，模型极小，在有限算力下依然保持实时推理。

  2. GPU版本：面向服务器与云端部署，追求更高识别精度和更优使用体验。

• 翻译与总结

  1. CPU版本：集成本地翻译模型，可直接对转录文本进行翻译，无需联网即可完成多语言转换。

  2. GPU版本：集成Maas平台，支持对转录文本进行全文翻译，也可按说话人分别翻译。同时支持全文总结，以及按说话人分别总结。

约束与限制

• 该解决方案部署前，需注册华为账号并开通华为云，完成实名认证，且账号不能处于欠费或冻结状态。如果计费模式选择“包年包月”，请确保账户余额充足以便一键部署资源的时候可以自动支付；或者在一键部署的过程进入费用中心，找到“待支付订单”并手动完成支付。

• 如果选用IAM委托权限部署资源，请确保使用的华为云账号有IAM的足够权限，具体请参考创建rf_admin_trust委托；如果使用华为主账号或admin用户组下的IAM子账户可不选委托，将采用当前登录用户的权限进行部署。
• 本内容可能包含第三方开源软件、组件或框架的技术说明与配置示例，请您独立评估并自主决定是否使用，华为云不就第三方软件的功能、性能、安全性、兼容性或合规性作出任何保证。第三方软件知识产权归各自权利人所有，您应严格遵守适用的开源许可证条款（如 MIT、Apache 2.0 等），确保不侵犯任何第三方合法权益，并自行负责安全评估与漏洞管理。因您使用本方案提及的任何第三方软件产生的直接或间接损失（包括但不限于数据丢失、业务中断、安全事件、知识产权纠纷、合规处罚等），华为云及其关联方不承担任何责任。本方案对第三方软件的提及不构成认可或背书，亦不代表华为云与第三方权利人存在任何授权或合作关系。