VibeVoice TTSName
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
ტექსტის გადატანა SSML ჭდეებში ზუსტი კონტროლისთვის:
<speak><prosody rate="slow">Slow speech</prosody></speak>
მონიშნული მოდელისთვის გასაგები ჭდეები - დააწკაპუნეთ, რომ ერთი ჭდე თქვენს ტექსტში ჩააგდოთ, სადაც ის მოხდება:
ეს მოდელი კითხულობს ჩვეულებრივ ტექსტს, ამიტომ შიგნით თავსებული ჭდეები იგნორირდება. ჭდეებზე დაფუძნებული ემოციებისთვის გადადით გამოხატვის მოდელში, როგორიცაა Orpheus ან Bark.
ინდივიდუალური გამოთქმების განსაზღვრა (სიტყვი = გამოთქმა):
ინფორმაცია 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.
საუკეთესოა: Podcasts, dialogues, long-form narration, multi-speaker content
ყველას დათვალიერება VibeVoice ხმაჟ მალკჲ ოჲდლვენსგაŒვ
- პროგრამისტი
- Microsoft
- ლიცენზია
- MIT
- იანვარი
- standard
- სიჩქარე
- fast
- ხმა
- ნვ, ნვ ჟყმ.
- ენაName
- English, Chinese
- სიმბოლოების მაქსიმალური რაოდენობა
- 50000