VibeVoice 1 - تكنولوجيا المعلومات والاتصالات
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
لف نصك في علامات SSML للتحكم الدقيق:
<speak><prosody rate="slow">Slow speech</prosody></speak>
العلامات التي يفهمها النموذج المختار — انقر لإسقاط واحدة في نصك حيث تحصل:
هذا النموذج يقرأ النص العادي، لذلك يتم تجاهل العلامات في السطر. للتعبير عن المشاعر القائمة على العلامات، انتقل إلى نموذج تعبيري مثل أورفيوس أو بارك.
تعريف النطق العادي (كلمة = نطق):
حول VibeVoice
VibeVoice from Microsoft is built for long-form, multi-speaker audio. Its 1.5B model can generate up to 90 minutes of speech with as many as 4 simultaneous speakers, using speaker tags to drive multi-turn dialogue — a strong fit for podcasts, audiobooks, and conversations that need speaker consistency across long passages. A separate Realtime 0.5B variant reaches roughly 300ms latency for interactive use. On TTS.ai it covers English and Chinese and accepts up to 50,000 characters per request, so an entire episode can be scripted in one pass.
أفضل لل: Podcasts, dialogues, long-form narration, multi-speaker content
تصفح جميع VibeVoice الأصواتلمحة عامة
- مطوِّر
- Microsoft
- الترخيص
- MIT
- الرتبة
- standard
- السرعة
- fast
- استنساخ الصوت
- لا
- اللغات
- English, Chinese
- الحد الأقصى للحروف
- 50000