首页微软的VibeVoice AI系列开源，支持长达90分钟的对话，GitHub星标数突破2.7万
微软最近开源了一套名为VibeVoice 的尖端语音 AI 模型系列，具备自动语音识别（ASR）和文本转语音（TTS）等功能。 得益于其强大的长音频处理能力、自然的多说话者对话生成以及实时低延迟的性能表现，该项目迅速吸引了开发者社区的关注，目前已在GitHub上收获了约27,000个星标。
VibeVoice作为基于MIT许可证的开源研究框架发布，支持本地部署且无需支付云订阅费用，旨在促进语音合成领域的协作与创新。该模型系列包含三个核心成员，分别针对传统语音AI中的特定挑战，例如长序列处理、说话人一致性以及自然流畅性。
VibeVoice-ASR-7B：强大的结构化语音转文本工具，支持处理长达 60 分钟的音频
VibeVoice-ASR-7B是一款统一的语音转文本模型，能够单次处理长达 60 分钟的音频文件，并直接输出结构化转录文本。其输出结果可识别说话者、提供精确的时间戳并详细记录语音内容，同时支持自定义热词以提高专有名词或技术术语的识别准确率。 该模型支持 50 多种语言，非常适合处理长篇会议录音和播客转录等复杂场景。
社区开发者已基于该模型开发出实用工具，例如适用于 macOS 和 Windows 的语音输入法Vibing。用户反馈显示其在速度和准确性方面表现优异，显著提升了日常语音输入效率。
VibeVoice-TTS-1.5B：支持多达 90 分钟、多说话人的富有表现力的语音生成
VibeVoice-TTS-1.5B是核心文本转语音模型，能够一次性生成长达 90 分钟的连续音频，并支持多达四位不同说话者进行自然的对话模拟。生成的语音富有表现力，听起来自然流畅，包含真实的停顿、重音和情感变化，非常适合播客、长篇叙述、有声读物或多角色对话。
与许多仅支持1-2名说话者的传统TTS模型不同，VibeVoice-TTS在长篇内容和多说话者一致性方面实现了重大突破。其架构将连续语音分词器（声学和语义）与低帧率（7.5Hz）相结合，显著提升了长序列的计算效率。
VibeVoice-Realtime-0.5B：延迟约 300 毫秒的实时语音合成
VibeVoice-Realtime-0.5B专为实时应用设计，支持流式文本输入，首次音频输出延迟约为300毫秒，同时仍能生成长达10分钟的音频。该模型特别适用于需要即时反馈的交互式应用，例如实时语音助手或直播配音。
此外，该项目引入了实验性的发音人支持功能，涵盖多语言语音及多种英语风格变体，为开发者提供了更丰富的定制选项。
AIbase 评测：微软将 VibeVoice 开源不仅降低了高性能语音 AI 的入门门槛，还提供了一套完整的本地部署解决方案。该项目曾因潜在的滥用风险而短暂下线，但在实施了音频水印和可听见的免责声明等安全措施后重新上线，体现了负责任的 AI 开发原则。开发者现在可以从 GitHub 和 Hugging Face 获取模型权重，并通过 Colab 等平台快速进行测试。
随着开源社区持续贡献（包括针对 Apple Silicon 的优化），VibeVoice 有望加速其在内容创作、辅助技术及语音交互领域的应用。感兴趣的开发者可访问微软官方项目页面进行进一步探索。
项目地址：https://github.com/microsoft/VibeVoice
相关文章
前OpenAI首席科学家Ilya的SSI首次发布模型
AI 取得了另一项重大里程碑。在从 OpenAI 离职后，前首席科学家伊利亚·苏茨克弗（Ilya Sutskever）创立了 Safe Superintelligence Inc.（SSI），该公司最近公布了其首个模型的详细信息。海外社交媒体上的报道指出，该团队正在利用 TTT（测试时训练）开发一个紧凑的推理引擎，这是他们在追求安全超级智能过程中的关键进展。这种新颖的架构专注于使模型能够“学习如何学习”。与在推理过程中保持参数静态的传统大型语言模型不同，该引擎在处理现实世界任务时会动态更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日，AI应用开发平台Lovable宣布参与丹麦硬件初创公司Atech的80万美元种子轮融资。该轮由Lovable领投，吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在内的顶级风险投资机构。此次投资标志着Lovable将“Vibe Coding”概念从纯软件开发战略扩展至硬件工程领域。Atech旨在通过AI驱动的交互式平台简化复杂的硬件原型制作。用户购买基础硬件套件，并通过AI聊天机器人以自然语言描述其设计概念；系统
Anthropic 将 Claude AI 编码工具扩展至日本，以推动海外增长
Anthropic，一家美国知名的人工智能公司，正加强其全球推广力度。周三，该公司在东京举办了一场大型开发者活动“Code with Claude”，吸引了近500名软件工程师参加。该举措旨在积极将Claude AI工具及相关产品引入日本市场，强调其自主编码能力在提升企业生产力方面的核心优势。强调自动化代码生成在活动中，Anthropic展示了其先进的自主编码系统，该系统能够独立处理复杂的编程任务并优化现有代码结构。随着全球对高效开发工具的需求不断增长，Anthropic希望通过此类活动加强
相关专题推荐
设计与艺术
最适合创意实验的AI风格转换工具
2026年最新最佳、评价最高的AI风格转换工具，助您开展创意实验！XIX.AI精心甄选了一系列功能强大、颠覆性的必试工具，这些工具经过实际测试和严格排名，可带来卓越的效果。这些顶级解决方案通过加速内容创作并释放无限创意潜能，帮助创作者显著提升工作效率。 立即探索，找到最适合您的工具，今天就开始创作吧！
9 个工具
xix.ai
漫画创作
最适合视觉叙事的AI对话气泡工具
2026年最新、最受欢迎的视觉叙事AI对话气泡工具现已登陆XIX.AI！这份精心精选的合集汇集了功能强大、具有颠覆性的工具，可帮助创作者提升工作效率并突破创作瓶颈。 获取免费版与付费版的对比分析，查看实际测试结果，并查阅最新排行榜，找到最适合打造引人入胜的视觉叙事的必试解决方案。立即探索，发现您的理想工具！
10 个工具
xix.ai
会议助理
顶级AI会议摘要工具：清晰追踪决策与后续跟进
2026年最新高评分最佳AI会议摘要工具，助您清晰追踪决策并轻松跟进。这份精心筛选的清单展示了功能强大、具有颠覆性的解决方案，它们通过自动化会议记录、识别关键行动项以及简化所有项目中的团队协调，显著提升工作效率。 获取免费版与付费版的对比分析，以及实际测试报告和每周更新的排行榜，助您找到最适合的工具。立即探索，释放您的AI优势！
9 个工具
xix.ai
数据分析
最佳人工智能数据清洗工具：快速处理缺失值与重复数据
2026年最新、最优秀且评分最高的AI数据清洗工具，可快速处理缺失值与重复数据问题。这份精心挑选的清单展示了那些功能强大、能带来颠覆性变革的解决方案，可显著提升工作效率。所有候选工具都经过了严格的实际应用测试，以确保其稳定性。您可以获取免费版与付费版的对比信息，找出最符合您需求的必备工具。即刻访问XIX.AI，开启您的AI优势之旅。
11 个工具
xix.ai
设计与艺术
最佳AI创意构思工具，助力艺术家突破视觉瓶颈
2026 年最新最佳顶级评分 AI 创意构思工具由 XIX.AI 精心策划，旨在帮助创作者突破视觉瓶颈并即时提升创造力。这些强大的变革性工具提供真实世界测试、详细的免费与付费对比以及每周更新的排名。发现您的完美工具，加速内容创作，并立即释放您的 AI 优势。立即探索！
14 个工具
xix.ai
音乐创作
适用于 TikTok 背景音乐、Reels 音频和创作者宣传音乐的 AI 节拍生成器
2026年最新最全的AI节拍生成器，适用于TikTok背景音乐、Reels音频及创作者宣传音乐！XIX.AI精心筛选了一系列广受好评、功能强大的革命性工具，这些工具均经过实际测试，可为各类内容创作需求提供完美的音乐。 您将在此找到详尽的免费版与付费版对比数据、每周更新的排行榜，以及不容错过的精选工具，助您激发创意并提升工作效率。立即探索，发现最适合您的工具！
11 个工具
xix.ai
评论 (0)
0/500
微软最近开源了一套名为VibeVoice 的尖端语音 AI 模型系列，具备自动语音识别（ASR）和文本转语音（TTS）等功能。 得益于其强大的长音频处理能力、自然的多说话者对话生成以及实时低延迟的性能表现，该项目迅速吸引了开发者社区的关注，目前已在GitHub上收获了约27,000个星标。
VibeVoice作为基于MIT许可证的开源研究框架发布，支持本地部署且无需支付云订阅费用，旨在促进语音合成领域的协作与创新。该模型系列包含三个核心成员，分别针对传统语音AI中的特定挑战，例如长序列处理、说话人一致性以及自然流畅性。
VibeVoice-ASR-7B：强大的结构化语音转文本工具，支持处理长达 60 分钟的音频
VibeVoice-ASR-7B是一款统一的语音转文本模型，能够单次处理长达 60 分钟的音频文件，并直接输出结构化转录文本。其输出结果可识别说话者、提供精确的时间戳并详细记录语音内容，同时支持自定义热词以提高专有名词或技术术语的识别准确率。 该模型支持 50 多种语言，非常适合处理长篇会议录音和播客转录等复杂场景。
社区开发者已基于该模型开发出实用工具，例如适用于 macOS 和 Windows 的语音输入法Vibing。用户反馈显示其在速度和准确性方面表现优异，显著提升了日常语音输入效率。
VibeVoice-TTS-1.5B：支持多达 90 分钟、多说话人的富有表现力的语音生成
VibeVoice-TTS-1.5B是核心文本转语音模型，能够一次性生成长达 90 分钟的连续音频，并支持多达四位不同说话者进行自然的对话模拟。生成的语音富有表现力，听起来自然流畅，包含真实的停顿、重音和情感变化，非常适合播客、长篇叙述、有声读物或多角色对话。
与许多仅支持1-2名说话者的传统TTS模型不同，VibeVoice-TTS在长篇内容和多说话者一致性方面实现了重大突破。其架构将连续语音分词器（声学和语义）与低帧率（7.5Hz）相结合，显著提升了长序列的计算效率。
VibeVoice-Realtime-0.5B：延迟约 300 毫秒的实时语音合成
VibeVoice-Realtime-0.5B专为实时应用设计，支持流式文本输入，首次音频输出延迟约为300毫秒，同时仍能生成长达10分钟的音频。该模型特别适用于需要即时反馈的交互式应用，例如实时语音助手或直播配音。
此外，该项目引入了实验性的发音人支持功能，涵盖多语言语音及多种英语风格变体，为开发者提供了更丰富的定制选项。
AIbase 评测：微软将 VibeVoice 开源不仅降低了高性能语音 AI 的入门门槛，还提供了一套完整的本地部署解决方案。该项目曾因潜在的滥用风险而短暂下线，但在实施了音频水印和可听见的免责声明等安全措施后重新上线，体现了负责任的 AI 开发原则。开发者现在可以从 GitHub 和 Hugging Face 获取模型权重，并通过 Colab 等平台快速进行测试。
随着开源社区持续贡献（包括针对 Apple Silicon 的优化），VibeVoice 有望加速其在内容创作、辅助技术及语音交互领域的应用。感兴趣的开发者可访问微软官方项目页面进行进一步探索。
项目地址：https://github.com/microsoft/VibeVoice
前OpenAI首席科学家Ilya的SSI首次发布模型
AI 取得了另一项重大里程碑。在从 OpenAI 离职后，前首席科学家伊利亚·苏茨克弗（Ilya Sutskever）创立了 Safe Superintelligence Inc.（SSI），该公司最近公布了其首个模型的详细信息。海外社交媒体上的报道指出，该团队正在利用 TTT（测试时训练）开发一个紧凑的推理引擎，这是他们在追求安全超级智能过程中的关键进展。这种新颖的架构专注于使模型能够“学习如何学习”。与在推理过程中保持参数静态的传统大型语言模型不同，该引擎在处理现实世界任务时会动态更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日，AI应用开发平台Lovable宣布参与丹麦硬件初创公司Atech的80万美元种子轮融资。该轮由Lovable领投，吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在内的顶级风险投资机构。此次投资标志着Lovable将“Vibe Coding”概念从纯软件开发战略扩展至硬件工程领域。Atech旨在通过AI驱动的交互式平台简化复杂的硬件原型制作。用户购买基础硬件套件，并通过AI聊天机器人以自然语言描述其设计概念；系统
Anthropic 将 Claude AI 编码工具扩展至日本，以推动海外增长
Anthropic，一家美国知名的人工智能公司，正加强其全球推广力度。周三，该公司在东京举办了一场大型开发者活动“Code with Claude”，吸引了近500名软件工程师参加。该举措旨在积极将Claude AI工具及相关产品引入日本市场，强调其自主编码能力在提升企业生产力方面的核心优势。强调自动化代码生成在活动中，Anthropic展示了其先进的自主编码系统，该系统能够独立处理复杂的编程任务并优化现有代码结构。随着全球对高效开发工具的需求不断增长，Anthropic希望通过此类活动加强
2026年最新最佳、评价最高的AI风格转换工具，助您开展创意实验！XIX.AI精心甄选了一系列功能强大、颠覆性的必试工具，这些工具经过实际测试和严格排名，可带来卓越的效果。这些顶级解决方案通过加速内容创作并释放无限创意潜能，帮助创作者显著提升工作效率。 立即探索，找到最适合您的工具，今天就开始创作吧！
9 个工具
xix.ai
2026年最新、最受欢迎的视觉叙事AI对话气泡工具现已登陆XIX.AI！这份精心精选的合集汇集了功能强大、具有颠覆性的工具，可帮助创作者提升工作效率并突破创作瓶颈。 获取免费版与付费版的对比分析，查看实际测试结果，并查阅最新排行榜，找到最适合打造引人入胜的视觉叙事的必试解决方案。立即探索，发现您的理想工具！
10 个工具
xix.ai
2026年最新高评分最佳AI会议摘要工具，助您清晰追踪决策并轻松跟进。这份精心筛选的清单展示了功能强大、具有颠覆性的解决方案，它们通过自动化会议记录、识别关键行动项以及简化所有项目中的团队协调，显著提升工作效率。 获取免费版与付费版的对比分析，以及实际测试报告和每周更新的排行榜，助您找到最适合的工具。立即探索，释放您的AI优势！
9 个工具
xix.ai
2026年最新、最优秀且评分最高的AI数据清洗工具，可快速处理缺失值与重复数据问题。这份精心挑选的清单展示了那些功能强大、能带来颠覆性变革的解决方案，可显著提升工作效率。所有候选工具都经过了严格的实际应用测试，以确保其稳定性。您可以获取免费版与付费版的对比信息，找出最符合您需求的必备工具。即刻访问XIX.AI，开启您的AI优势之旅。
11 个工具
xix.ai
2026 年最新最佳顶级评分 AI 创意构思工具由 XIX.AI 精心策划，旨在帮助创作者突破视觉瓶颈并即时提升创造力。这些强大的变革性工具提供真实世界测试、详细的免费与付费对比以及每周更新的排名。发现您的完美工具，加速内容创作，并立即释放您的 AI 优势。立即探索！
14 个工具
xix.ai
2026年最新最全的AI节拍生成器，适用于TikTok背景音乐、Reels音频及创作者宣传音乐！XIX.AI精心筛选了一系列广受好评、功能强大的革命性工具，这些工具均经过实际测试，可为各类内容创作需求提供完美的音乐。 您将在此找到详尽的免费版与付费版对比数据、每周更新的排行榜，以及不容错过的精选工具，助您激发创意并提升工作效率。立即探索，发现最适合您的工具！
11 个工具
xix.ai
