海外访问：www.kdjingpai.com

Ctrl + D 收藏本站

当前位置：首页 » AI答疑

VibeVoice-1.5B是目前支持长音频多角色对话的最先进开源TTS模型

2025-08-27

21

VibeVoice-1.5B的技术突破与定位

微软研究院发布的VibeVoice-1.5B在开源文本转语音(TTS)领域实现了三大技术突破：1.5B参数规模的模型架构使其成为目前能力最强的开源对话型TTS模型；独家的7.5Hz超低帧率连续语音分词器技术可在保持音质的同时处理长达90分钟的音频序列；基于LLM+扩散模型的融合框架首次实现单次推理支持4角色对话。这三项创新使其在长音频合成、多说话人交互等场景的性能指标上显著超越传统TTS系统。

本答案来源于文章《VibeVoice-1.5B：微软出品的支持长音频多角色对话的语音生成模型》

相关文章

未经允许不得转载：AI生产力工具 » VibeVoice-1.5B是目前支持长音频多角色对话的最先进开源TTS模型

相关推荐