VibeVoice

VibeVoice టి టిఐఎస్

Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.

అప్ సంతకం 5,000 అక్షర పరిమితి కొరకు

ఖచ్చితమైన నియంత్రణ కొరకు మీ వచనాన్ని SSML టాగ్సును పునరాచరణ చేయుము:

<speak><prosody rate="slow">Slow speech</prosody></speak>

ఎంపిక చేసిన మోడల్ అర్థం చేసుకుంటుంది. అది జరిగిన మీ వచనంలో ఒకదాని వేయి పెట్టండి:

ఈ నమూనా సాదా వచనము చదువుతుంది, అందువలన అంతర్-లైన్ టాగ్సు విస్మరించబడుతుంది. టాగ్ ఆధార భావన కొరకు, ఆర్‌ఫెయిస్ లేదా బార్క్ వంటి ఎడిస్‌బార్ నమూనాకు మారుతుంది.

నిర్దేశిత ఉచ్ఛారణలను (పదం = ఉచ్ఛారణ):

-12 +12
మీ స్నేహితులను ప్రేమించడమా?

గురించి 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.

ఉత్తమ: Podcasts, dialogues, long-form narration, multi-speaker content

(l) అన్ని బ్రౌజర్లను అన్వెషించు VibeVoice స్వరాలు

ఒక దృష్టిలో

డెవలపర్
Microsoft
లైసెన్సు
MIT
టిజర్
standard
వేగము
fast
స్వరం
వద్దు
భాషలుName
English, Chinese
గరిష్ట ఆక్షరములు
50000

VibeVoice స్వరాలు

Speaker 1

English
ప్రామాణిక Neutral

Speaker 1 (Chinese)

Chinese
ప్రామాణిక Neutral

Speaker 2

English
ప్రామాణిక Neutral

Speaker 2 (Chinese)

Chinese
ప్రామాణిక Neutral

Speaker 3

English
ప్రామాణిక Neutral

Speaker 4

English
ప్రామాణిక Neutral

VibeVoice టికెట్లు —⁠ FAQ

VibeVoice supports up to 4 distinct speakers and up to 90 minutes of continuous output, with speaker tags for multi-turn dialogue — built for podcasts and long-form narration. It accepts up to 50,000 characters per request.

Yes. Alongside the 1.5B long-form model, a Realtime 0.5B variant achieves roughly 300ms latency for interactive use.

VibeVoice is MIT-licensed. It supports English and Chinese and does not currently support voice cloning.
← అన్ని స్వరాలు