VibeVoice TTS
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
सटीक नियन्त्रणका लागि SSML ट्यागमा तपाईँको पाठ बेर्नुहोस्:
<speak><prosody rate="slow">Slow speech</prosody></speak>
ट्याग चयन गरिएको मोडेल बुझ्छ - यो कहाँ हुन्छ आफ्नो पाठ मा एक गिर गर्न क्लिक:
यो नमूनाले सादा पाठ पढ्दछ, त्यसैले इनलाइन ट्याग उपेक्षा गरिन्छ । ट्याग-आधारित भावनाका लागि, ओर्फिस वा बारक जस्तै अभिव्यक्तिमूलक नमूनामा स्विच गर्नुहोस् ।
अनुकूल उच्चारण परिभाषित गर्नुहोस् (शब्द = उच्चारण):
यसका बारेमा 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.
यसका लागि उत्तम: Podcasts, dialogues, long-form narration, multi-speaker content
सबै ब्राउज गर्नुहोस् VibeVoice आवाजएक नजरमा
- विकासकर्ता
- Microsoft
- इजाजतपत्र
- MIT
- टर
- standard
- गति
- fast
- आवाज क्लोनिङ
- होइन
- भाषा
- English, Chinese
- अधिकतम क्यारेक्टर
- 50000