在云 GPU 上运行 VibeVoice-ASR
VibeVoice-ASR 是 microsoft 推出的语音转文字模型。查看它需要多少显存、今天可以在哪些 GPU 上运行，以及自己运行的费用，按秒计费。
租用 RTX 2080 Ti $0.20/小时起
参数量
8.7B
所需显存
≈ 22 GB
许可证
mit
下载量
717,567
更新于 2026年1月27日
今天可运行的 GPU
我们估计使用 BF16 权重推理约需 22 GB（含工作内存）。实际用量取决于分辨率、批大小和上下文长度。
| GPU | 显存 | 每小时 | 10 小时 | |
|---|---|---|---|---|
| RTX 2080 Ti | 22 GB | $0.20 | $2.00 | 租用 |
| RTX 3090 | 24 GB | $0.39 | $3.90 | 租用 |
| Titan RTX | 24 GB | $0.40 | $4.00 | 租用 |
| RTX A5000 | 24 GB | $0.42 | $4.20 | 租用 |
| A10 | 24 GB | $0.43 | $4.30 | 租用 |
价格为目录中的实时起价。机器运行期间按秒付费。
如何运行 VibeVoice-ASR
- 01
租用 GPU
从上面选择一款 GPU。按秒计费；停止机器即停止计费。
- 02
打开终端或 Jupyter
通过 SSH 连接，或在浏览器中打开 Jupyter。PyTorch 和 CUDA 已就绪。
- 03
下载并运行模型
运行下面的命令。权重会直接从 Hugging Face 下载到您的机器。
pip install -U transformers accelerate
python -c "from transformers import pipeline; p = pipeline('automatic-speech-recognition', model='microsoft/VibeVoice-ASR', device=0); print(p)"为什么要自己运行？
只需 GPU 分钟数的成本即可转写数小时音频。录音不会离开您的机器。
常见问题
- VibeVoice-ASR 需要多少显存？
- 按我们的估算，推理约需 22 GB（8.7B 参数）。更高分辨率、更长上下文或更大批次需要更多显存。
- 运行 VibeVoice-ASR 要花多少钱？
- 在 RTX 2080 Ti 上 $0.20/小时起，按秒计费。十小时约 $2.00。
- 需要订阅吗？
- 不需要。您只需用 USD 余额支付机器实际运行的时间。用完即可停止。
几分钟内在您自己的 GPU 上试用
选择一款 GPU，打开 Jupyter 或 SSH，运行任意开源模型。按秒付费，随时可以停止；无需订阅，没有开通费。
- 以 USD 按秒计费
- PyTorch 和 CUDA 几分钟即可就绪
- 也可以通过 ChatGPT 或 Claude 租用