2025 年 8 月,微软开源发布了 VibeVoice-1.5B——一个独具创新的文本转语音(TTS)模型,支持“一文生成长达 90 分钟的对话音频”,并能在单次生成中模拟 最多 4 位不同说话人的…
想进一步了解「对话式 AI 与 实时互动」?欢迎注册,开启探索之旅。