VibeVoice TTS
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
Düzgün idarə üçün mətninizi SSML lentlərinə sarılın:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Seçilmiş modelin anladığı etiketlər - mətninizi mətn daxilində buraxmaq üçün basın:
Bu model sadə mətn oxuyur, buna görə də sətir içi təqvimlər nəzərə alınmır. təqvim əsaslı hisslər üçün Orpheus və ya Bark kimi ifadəli modellərə keçin.
Özəl səsləndirmələri təsvir et (söz = səsləndirmə):
Bağlan 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.
Ən Yaxşı: Podcasts, dialogues, long-form narration, multi-speaker content
Hamısını Gəz VibeVoice səslərBir baxışda
- Yaradıcı
- Microsoft
- Lisenziya
- MIT
- Tərcümə
- standard
- Sür'ət
- fast
- Sesi təkrarla
- No
- Dillər
- English, Chinese
- Max karakterlər
- 50000