搜索
微软发布轻量级实时TTS模型VibeVoice-Realtime-0.5B
4 天前
微软近日推出轻量级实时文本转语音模型VibeVoice-Realtime-0.5B，支持流式文本输入与长语音输出，首音延迟约300毫秒，适用于代理对话、实时数据播报等场景。该模型采用交错窗口设计，在LibriSpeech测试集上零样本字错误率达2.00%，支持中英文转录与语音生成，最长可稳定输出90分钟语音，支持多角色对话和情感表达。
