Microsoft запустила проект VibeVoice — ИИ, который способен превращать текст в аудиоподкасты длительностью до 90 минут на английском и китайском языках.

🚀 Ключевые характеристики VibeVoice:
- Генерация аудио с участием до 4 уникальных голосов.
- Модели с 1,5 и 7 млрд параметров, позволяющие создавать контент с длиной контекста до 64 тыс. токенов.
- Поддержка эмоций и управление диалогом, в то время как интеграция голосов в потоковые сервисы возможна без использования внешних серверов.

🎤 Текущие ограничения:
- Опубликованные голоса звучат реалистично, но их искусственное происхождение заметно.
- По состоянию на данный момент доступна поддержка только двух языков, но в будущем планируется расширение.

🔥 Дополнительные сведения и инструкции доступны в репозитории на GitHub и на платформе Hugging Face.

@Unlim_AI