VibeVoice-Realtime-0.5B
微软推出 VibeVoice-Realtime:实时文本转语音新模型,助力互动式应用
微软最近发布了 VibeVoice-Realtime-0.5B,这是一款针对实时文本转语音(TTS)的轻量级模型。 该模型支持流式文本输入和长篇语音输出,特别适合用于代理式应用和实时数据讲述。 VibeVoice-Realtime 可以在约300毫秒内开始输出可听语音,这在语言模型还在生成回答时尤为重要。
微软发布 VibeVoice 0.5B:仅0.5B参数却实现300毫秒实时开口
微软今日发布全新的实时文本转语音模型 VibeVoice-Realtime-0.5B。 尽管模型规模仅为0.5B,但却具备接近实时的语音生成能力,最快可在约300毫秒内开始发声,实现“话未说完音已先到”的流畅体验。 该模型支持中英文实时转录与语音生成,其中中文表现略逊于英文,但整体依然保持高流畅度与高还原度。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉