VibeVoice

VibeVoice 1 - تكنولوجيا المعلومات والاتصالات

Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.

انضم 000 5 كلمة

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):

-12 +12
0.5x 2.0x
مجاني مع Piper, VITS, MeloTTS
سيظهر الصوت الذي أنتجته هنا. اختر نموذجاً، وأدخل نصاً، ثم انقر على توليد.
تم توليد الصوت بنجاح
0:00
تنزيل الصوت تنزيل.srt الرابط ينتهي بعد 24 ساعة
المستوى المجاني: الاستخدام الشخصي. ترخيص تجاري من 5 دولارات شهريا
أحب TTS.ai؟ أخبر أصدقائك!

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 الأصوات

لمحة عامة

مطوِّر
Microsoft
الترخيص
MIT
الرتبة
standard
السرعة
fast
استنساخ الصوت
لا
اللغات
English, Chinese
الحد الأقصى للحروف
50000

VibeVoice الأصوات

Speaker 1

English
المعيار Neutral

Speaker 1 (Chinese)

Chinese
المعيار Neutral

Speaker 2

English
المعيار Neutral

Speaker 2 (Chinese)

Chinese
المعيار Neutral

Speaker 3

English
المعيار Neutral

Speaker 4

English
المعيار Neutral

VibeVoice الأسئلة المتكررة

VibeVoice supports up to 4 distinct speakers and up to 90 minutes of continuous output, with speaker tags for multi-turn dialogue — built for podcasts and long-form narration. It accepts up to 50,000 characters per request.

Yes. Alongside the 1.5B long-form model, a Realtime 0.5B variant achieves roughly 300ms latency for interactive use.

VibeVoice is MIT-licensed. It supports English and Chinese and does not currently support voice cloning.
← جميع الأصوات