VibeVoice టి టిఐఎస్
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
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):
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 స్వరాలుఒక దృష్టిలో
- డెవలపర్
- Microsoft
- లైసెన్సు
- MIT
- టిజర్
- standard
- వేగము
- fast
- స్వరం
- వద్దు
- భాషలుName
- English, Chinese
- గరిష్ట ఆక్షరములు
- 50000