VibeVoice-1.5B是創新音頻模型，可一次連續合成90分鐘超長逼真語音，最多支持4名發言人。
基本介紹
- 外文名：VibeVoice-1.5B
- 發布方：微軟研究院
產品功能,產品優勢,
產品功能
模型可對24kHz原始音頻實現3200倍累計壓縮，壓縮效率是主流Encodec模型的80倍，同時保持高保真語音效果。
產品優勢
首創雙語音tokenizer模組架構（聲學tokenizer與語義tokenizer），成功解決音色與語義不匹配問題，大幅提升合成質量。
VibeVoice-1.5B是創新音頻模型，可一次連續合成90分鐘超長逼真語音，最多支持4名發言人。