VibeVoice-Realtime-0.5B

VibeVoice-Realtime-0.5B是0.5B參數輕量級實時TTS模型，首包延遲僅300毫秒，支持邊輸入文本邊朗讀，發布12小時獲得12.3K星標。

基本介紹

• 外文名：VibeVoice-Realtime-0.5B
• 開源方：微軟

產品功能

模型採用交錯視窗架構實現長文本無卡頓朗讀，支持最多4個角色自然對話，具備情緒識別與表達能力，長時上下文記憶可達90分鐘。

產品優勢

同時支持中英文語音生成，LibriSpeech和SEED TTS測試集錯字率約2%，說話人相似度達0.65以上，適用於AI助手、會議記錄、播客生成等場景。