🎙️ 微软开源语音AI旗舰项目：VibeVoice
微软研究院正式在 GitHub 开源了语音 AI 框架 VibeVoice！ 该项目支持极高拟真度的语音合成（TTS）与语音识别（ASR）。TTS 模式采用下一代 Token 扩散架构，能生成长达 90 分钟的高表现力、多发言人对话，适用于播客制作等场景。 ASR 模式则支持单次处理长达 60 分钟 of 音频，可自动实现说话人分离并输出带精确时间戳的结构化转录文本，支持超 50 种语言。 目前该项目在开发者社区热度极高，被誉为近期的"语音神器"！ 👉 https://github.com/microsoft/VibeVoice
1 分钟