Microsoft ha publicado en código abierto sus modelos de IA VibeVoice para la conversión de voz a texto y de texto a voz. El paquete incluye VibeVoice-ASR-7B para transcribir audios de una hora de duración, VibeVoice-TTS-1.5B para generar diálogos con varios interlocutores de hasta 90 minutos y un modelo de TTS en tiempo real con una latencia de 300 ms. Publicado bajo licencia MIT, admite la implementación local y tiene como objetivo impulsar la innovación en la síntesis de voz.