VibeVoice เสียง
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
หมุนข้อความของคุณในแท็ก SSML เพื่อควบคุมอย่างแม่นยำ:
<speak><prosody rate="slow">Slow speech</prosody></speak>
แท็กที่โมเดลที่เลือกไว้เข้าใจ - คลิกเพื่อวางแท็กลงในข้อความของคุณที่มันเกิดขึ้น:
โมเดลนี้อ่านข้อความธรรมดา ดังนั้น แท็กในบรรทัดจะถูกละเลย สำหรับอารมณ์ที่ใช้แท็ก เปลี่ยนไปใช้โมเดลแสดงออก เช่น Orpheus หรือ Bark
ตั้งค่าการออกเสียงที่กำหนดเอง (คำ = การออกเสียง):
เกี่ยวกับ 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.
เหมาะสำหรับ: Podcasts, dialogues, long-form narration, multi-speaker content
แสดงทั้งหมด VibeVoice เสียงเพียงแค่มองดู
- ผู้พัฒนา
- Microsoft
- ใบอนุญาต
- MIT
- สัตว์
- standard
- ความเร็ว
- fast
- เสียง
- ไม่มี
- ภาษา
- English, Chinese
- จำนวนตัวอักษรสูงสุด
- 50000