VibeVoice 是一个用于从文本生成富有表现力、长篇幅、多说话人对话音频（如播客）的新型框架。它解决了传统文本到语音（TTS）系统中的重大挑战，特别是在可扩展性、说话人一致性和自然话轮转换方面。

主要功能

• 多说话者支持
  能生成多达4位不同说话者的对话式音频，适用播客、有声读物等场景。

• 长篇幅对话
  支持生成长达90分钟的连续语音，突破传统TTS系统在长度上的限制。

• 富有表现力的语音
  根据文本内容生成带有情感和语调的语音，让对话更加自然和生动。

• 跨语言支持
  支持多种语言的语音合成，能处理跨语言的对话场景。

• 高保真音频
  生成的语音质量高，接近人类的自然语音，提供更好的用户体验。

• 实时交互

  能实时生成语音，支持动态对话和交互式应用。

应用场景

• 播客制作

• 有声读物

• 虚拟助手

• 教育和培训

• 娱乐和游戏

GitHub:https://github.com/microsoft/VibeVoice

【VibeVoice】模型已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，一键即可快速部署，快来体验 【VibeVoice】带来的精彩体验吧！

项目入口

https://open.virtaicloud.com/web/project/detail/620506243555610624

视频教程

https://www.bilibili.com/video/BV1drHzzVEJg/?vd_source=85d5574e8763d2ef3afdafc50f2b9d43

启动开发环境

进入【VibeVoice】项目主页中，点击运行一下，将项目一键克隆至工作空间，『社区项目』推荐适用的算力规格，可以直接立即运行，省去个人下载数据、模型和计算算力的大量准备时间。

配置完成，点击进入开发环境，根据主页项目介绍进行部署。

使用方法

在gemini/code中找到使用说明，选中使用说明单元格，点击运行。

等待生成local URL，右侧添加端口7860。

示例展示

更多效果展示可在趋动云公众号查看

➫温馨提示： 完成项目后，记得及时关闭开发环境，以免继续产生费用！

智汇全球，趋动未来

『社区项目』汇聚全球智慧，是促进技术交流的宝贵平台，期待每一位AI爱好者体验一键部署功能的强大魅力。

同时，我们也热切盼望每一位码友加入，分享您的精品作品，共筑这个充满活力与创新的技术乐园。