微软在Hugging Face发布实时语音合成模型VibeVoice

微软刚刚在 Hugging Face 上发布了 VibeVoice Realtime。

一个轻量级的流式文本转语音模型，
可在约 300 毫秒内生成初始可听语音，非常适合实时数据和 LLM 对话。