VibeVoice TTS
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
Enveloppez votre texte dans des balises SSML pour un contrôle précis :
<speak><prosody rate="slow">Slow speech</prosody></speak>
Mots clés le modèle sélectionné comprend — cliquez pour en déposer un dans votre texte où il se produit:
Ce modèle lit du texte clair, donc les balises en ligne sont ignorées. Pour l'émotion basée sur les tags, passer à un modèle expressif comme Orphée ou Bark.
Définir les prononciations personnalisées (mot = prononciation) :
À propos 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.
Meilleur pour: Podcasts, dialogues, long-form narration, multi-speaker content
Tout voir VibeVoice voixEn un coup d'oeil
- Développeur
- Microsoft
- Licence
- MIT
- Niveau
- standard
- Régime
- fast
- Closonnage de la voix
- Numéro
- Langues
- English, Chinese
- Personnages maxi
- 50000