天气 
2025-08-27
感谢IT之家网友 地板轰鸣 的线索投递！
IT之家 8 月 27 日消息，科技媒体 marktechpost 于 8 月 25 日发布博文，报道称微软发布开源文本转语音（TTS）模型 VibeVoice-1.5B，可一次生成最长 90 分钟、最多 4 位不同说话者的自然语音，并支持跨语言及歌声合成。
在架构方面，VibeVoice-1.5B 基于 1.5B 参数的 Qwen2.5 语言模型，结合声学（Acoustic）与语义（Semantic）双分词器（Tokenizer），以 7.5Hz 低帧率处理。
声学分词器使用 σ-VAE 结构，将 24kHz 原始音频压缩至 3200 分之一；语义分词器则通过语音识别代理任务训练，保留对话语义。解码端采用 1.23 亿参数的扩散解码器，结合分类器自由引导和 DPM-Solver，来提升音质与细节表现。
该模型为确保在长篇对话中保持语音连贯性与说话人一致性，在训练中逐步扩展上下文长度，从 4k 至 65k Tokens，其架构支持多说话者的轮流发言，模拟自然对话场景，且可在流式模式下生成长音频，为未来实时 TTS 奠定基础。
VibeVoice-1.5B 也有局限，目前仅支持英语与中文，其他语言可能出现不准确或不当内容；不支持说话人语音重叠，也无法生成背景音效或音乐。微软明确禁止将该模型用于声音冒充、虚假信息传播或绕过身份验证等用途，并提醒用户遵守法律并标明 AI 生成来源。
微软表示，该模型主要面向科研和开发者社区，适合播客制作、对话式 AI、语音内容生成等领域。未来将推出参数更大的 7B 版本，支持低延迟交互和更高保真度的实时合成，进一步拓展应用场景。
IT之家附上参考地址
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
来源于：https://www.ithome.com/0/878/264.htm 如有侵权请联系我们
猜你喜欢
2025-08-27
IEM成都站直邀战队名单正式公布
所有参赛战队都是根据截止至2025年8月4日的Valve地区排名(VRS)而获得邀请的。这16支队伍将分成2组进行双败淘汰赛，每组...
READ MORE
2025-08-27
官宣：Spirit将参加FISSURE裂...
FISSURE裂变天地S2将于9月12日至9月21日进行，16支参赛队伍将在塞尔维亚的贝尔格莱德展开角逐，争夺125万美元的奖金池，其...
READ MORE
2025-08-27
BLAST伦敦公开赛参赛战队、赛程等一览
BLAST伦敦公开赛将以一场16支战队参与的线上小组赛开始，比赛定于8月27日至9月1日进行。战队已被分为两个小组，每个小组将有三个...
READ MORE
2025-08-27
新技术可对废塑料进行无害化处理
俄罗斯国立卡巴尔达—巴尔卡尔大学等机构的研究人员日前报告说，其团队正在开发通过充分燃烧和中和有毒气体，对聚乙烯废料进行无害化处理的新技术并获得进展。研究人员...
READ MORE最新发布
-
IEM成都站直邀战队名单正式公布
综合新闻, 2025-08-27 -
官宣：Spirit将参加FISSURE裂变天地S2赛事签名会
综合新闻, 2025-08-27 -
BLAST伦敦公开赛参赛战队、赛程等一览
综合新闻, 2025-08-27 -
CS更新0827：刀具动画效果优化
综合新闻, 2025-08-27 -
新技术可对废塑料进行无害化处理
综合新闻, 2025-08-27
