Microsoft открыла исходники VibeVoice

Для тех, кто работает с подкастами и аудиокнигами, появилась свежая новость. Microsoft выложила в опенсорс модель синтеза речи VibeVoice 🙈

В отличие от привычных бесплатных TTS-сервисов, которые ограничиваются парой минут аудио и звучат сухо, VibeVoice умеет генерировать до 90 минут речи. Причем не просто монотонный текст, а полноценные диалоги до 4 разных голосов.

Модель также поддерживает вставку фоновых эффектов и музыки, что делает результат ближе к живому подкасту или аудиоспектаклю.

👉 @PythonPortal