VibeVoice ТТС
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
Матнро дар SSML тегҳо барои идоракунии дақиқ гузоред:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Барчаспҳо, ки аз тарафи намунаи интихобшуда фаҳмида мешаванд - барои гузоштани яке аз онҳо дар матни худ, ки дар он ҷо рӯй медиҳад, пахш кунед:
Ин намуна матни оддиро мехонад, аз ин рӯ, нишонаҳои дар сатр бударо нодида мегиранд. Барои нишонаҳои асосӣ ба намунаи ифодакунандаи Orpheus ё Bark гузаред.
Муайян кардани талаффузи оддӣ (калима = талаффуз):
Дар бораи 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.
Беҳтарин барои: Podcasts, dialogues, long-form narration, multi-speaker content
Баррасии ҳама VibeVoice овозҳоДар як назар
- Тайёркунанда
- Microsoft
- Иҷозатнома
- MIT
- & Тағйиротҳо
- standard
- Суръат
- fast
- Тасвири овоз
- & Намоиши хатҳои равон
- Забонҳо
- English, Chinese
- Аломатҳои зиёд
- 50000