发现优质内容

VibeVoice：微软对“长文本语音”的一次降维打击

比起单纯的音色克隆，微软开源的 VibeVoice 更在意如何让模型一口气说上 90 分钟还不崩。支持 4 人对话、300ms 延迟，这可能是目前最接近“开源版 Podcast 引擎”的项目。