VibeVoice 음성 인식
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
정확한 제어를 위해 SSML 태그로 텍스트를 래핑하십시오.
<speak><prosody rate="slow">Slow speech</prosody></speak>
선택한 모델이 이해하는 태그 — 텍스트에 드래그하려면 클릭하세요:
이 모델은 일반 텍스트를 읽기 때문에 인라인 태그는 무시됩니다. 태그 기반 감정을 위해서는 Orpheus 또는 Bark과 같은 표현 모델로 전환하십시오.
사용자 지정 발음 정의 (단어 = 발음):
정보 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.
최적화된 용도: Podcasts, dialogues, long-form narration, multi-speaker content
모두 찾아보기 VibeVoice 목소리한눈에
- 개발자
- Microsoft
- 라이선스
- MIT
- 종
- standard
- 속도
- fast
- 음성 복제
- 아니요
- 언어
- English, Chinese
- 최대 문자수
- 50000