VibeVoice TTS
Microsoft's multi-speaker long-form model that generates up to 90 minutes with 4 distinct speakers.
Переносити ваш текст до міток SSML для точного керування:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Додати позначки емоцій доставки впливу (відносна підтримка model):
Ця модель читає простий текст, отже теґи вбудований буде проігноровано. Для емоцій, заснованих на мітках, перемкніться на модель експресивного вираження, на зразок Orpheus або Bark.
Визначити нетипові вимови (слово = вимова):
Про програму 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.
Найкраще для: Podcasts, dialogues, long-form narration, multi-speaker content
Перегляд всього VibeVoice голосиНа перший погляд
- Розробник
- Microsoft
- Ліцензія
- MIT
- Тір
- standard
- Швидкість
- fast
- Клонування голосів
- Ні
- Мови
- English, Chinese
- Макс. символи
- 50000