VibeVoice：微软对“长文本语音”的一次降维打击
比起单纯的音色克隆，微软开源的 VibeVoice 更在意如何让模型一口气说上 90 分钟还不崩。支持 4 人对话、300ms 延迟，这可能是目前最接近“开源版 Podcast 引擎”的项目。
Posts tagged "开源模型"
Discover all articles tagged with 开源模型. Find comprehensive content about 开源模型 and related topics.
2 ArticlesUpdated WeeklyAll Categories
FireRedTTS-2：长达三分钟的开源长对话语音生成
yet another TTS project，支持长达三分钟的长对话生成，能跑在 4070 上，首包延迟低至 140ms。
Popular Topics
Explore articles by topic - discover content that interests you most