VibeVoice TTS
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
Verpacken Sie Ihren Text in SSML-Tags für eine präzise Kontrolle:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags, die das ausgewählte Modell versteht — klicken Sie, um einen in Ihren Text zu legen, wo es passiert:
Dieses Modell liest Text, so dass Inline-Tags ignoriert werden. Für tag-basierte Emotion, wechseln Sie zu einem ausdrucksstarken Modell wie Orpheus oder Bark.
Benutzerdefinierte Aussprachen definieren (Wort = Aussprache):
Über 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.
Das Beste für: Podcasts, dialogues, long-form narration, multi-speaker content
Alle durchsuchen VibeVoice StimmenAuf einen Blick
- Entwickler
- Microsoft
- Lizenz
- MIT
- Tierart
- standard
- Geschwindigkeit
- fast
- Klonen der Stimme
- Nein
- Sprachen
- English, Chinese
- Maximale Zeichen
- 50000