三花快讯 · 2025, 8月26日
微软开源 VibeVoice-1.5B:超长多说话人 TTS 模型
中文语音略带大佐味
微软开源的 VibeVoice-1.5B 文本转语音框架可生成长达 90 分钟的连续语音,并支持 4 个不同说话人切换,特别适合播客等长篇音频内容制作。
虽然支持中文生成,但语音带者'大佐味',听起来还挺有趣,有点像外国人口音。
商业转载请联系三花微信公众号获得授权,非商业转载请注明本文出处及文章链接,您可以自由地在任何媒体以任何形式复制和分发作品,也可以修改和创作,但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。