VibeVoiceConverti il testo in audio naturale, multi-parlante con voci AI distinte in pochi secondi.

VibeVoice è uno strumento di intelligenza artificiale che converte il testo in audio con più voci naturali e distinte. È alimentato dal modello VALL-E X di Microsoft e utilizza un'architettura simile a VALL-E per trattare il text-to-speech (TTS) come un compito di modellazione linguistica. Questo approccio consente un discorso dal suono eccezionalmente naturale. Lo strumento è progettato per orchestrare conversazioni realiste con un'intera gamma di voci AI. Supporta la padronanza di più parlanti, consentendogli di generare voci distinte da un singolo script. offre anche una sintesi cross-lingue, passando senza soluzione di continuità tra inglese e cinese, mantenendo un'identità vocale coerente. Le caratteristiche chiave di VibeVoice includono la sua capacità di catturare la prosodia sottile e l'emozione del discorso umano, fornendo un realismo senza pari. Il modello può mantenere una prosodia e una coerenza naturali per durate prolungate, rendendolo adatto per audiolibri e podcast di lunghezza intera. Inoltre, VibeVoice dispone di capacità zero-shot, che abilitano la sintesi di voci personalizzate da brevi prompt audio tramite 'apprendimento nel contesto'. VibeVoice si pone come uno strumento per la creazione di contenuti audio professionali, offrendo un nuovo standard per la tecnologia di voce AI con un focus su qualità, realismo e libertà creativa. È costruito su una base open-source, rendendo la tecnologia di voce AI di alta qualità accessibile a tutti.