VibeVoice TTS
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
Kesin kontrol için metninizi SSML etiketleri içinde sarılın:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Seçilmiş modeli anlayan etiketler — bir tanesini metinde olduğu yere bırakmak için tıklayınız:
Bu model sıradan metin okur, bu yüzden satır içindeki etiketler göz ardı edilir. Etiket tabanlı duygular için, Orpheus veya Bark gibi ifadesel bir modele geçin.
Özel telaffuzları tanımla (kelime = telaffuz):
Hakkında 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.
En iyi: Podcasts, dialogues, long-form narration, multi-speaker content
Hepsini Ara VibeVoice sesleriBir bakışta
- Geliştirici
- Microsoft
- Lisans
- MIT
- Hayvan
- standard
- Hız
- fast
- Ses klonlama
- Hayır.
- Dilleri
- English, Chinese
- Maksimum karakterler
- 50000