本小时聚类：这是「开源可部署模型」浪潮在语音侧的延伸，而不是又一次通用文本发版。

要点：

1. 开源权重 + 高效激活参数（约 4B active / 30B total），面向会议、访谈与医疗笔记等长音频场景。
2. 宣称可处理小时级录音，并支持自然语言提示定制输出格式。
3. 同步放出约 46.3 万小时语音数据与微调工具，权重已上 Hugging Face。

观察项：真实多语与嘈杂场景的落地成本；与 Whisper 系工具链的替换摩擦。