一个开源项目打通ASR+TTS+实时语音，微软VibeVoice直接卷死闭源大厂？

Name: 一个开源项目打通ASR+TTS+实时语音，微软VibeVoice直接卷死闭源大厂？
Uploaded: 2026-03-29T14:23:52.000Z
Duration: 6 min 44 s
Channel: 鲲鹏Talk

1.3万

2026-03-29 22:23:52

大家好，欢迎来到我的频道！今天我给大家带来一个真正能改变语音 AI 行业的开源神器——VibeVoice！这个项目来自微软，仓库里一次性开源了三个前沿模型： VibeVoice-ASR，能把 60 分钟的长音频一次性转成结构化文本，自动标注说话人、时间戳，还支持自定义热词； VibeVoice-TTS，最强 90 分钟多说话人语音合成，4 个角色自然对话、带情绪、甚至能即兴唱歌； VibeVoice-Realtime，只有 0.5B 参数，却做到 300 毫秒首音频延迟的实时流式合成！

音乐现场

LIVE

鲲鹏Talk 发消息

连续创业者｜All in AIAI干货教程｜一人公司项目实践｜每日AI事件独行者快，众行者远

顶部