Microsoft виклали в загальний доступ відмінну txt2speech (текст-в-мова) модель

Модель називається VibeVoice, і вона підходить для створення довгих, виразних, багатоголосих діалогів.

VibeVoice створена на основі Qwen2.5-1.5B, може генерувати аудіо до 90 хвилин за участю до 4 спікерів, імітуючи природну зміну реплік👍

Є безкоштовна демка.

#новинки