微软VibeVoice 7B模型：跨语言、多说话人、长文本一次到位

微软开源的VibeVoice模型是一个新型的文本到语音（TTS）模型，能够生成长达90分钟、多达4位不同说话者的对话式音频。该模型采用连续语音标记化技术和...

  • samool
  • 2025 年 09 月 06 日
  • 暂无评论