微软VibeVoice：开源前沿语音AI

tosh酱 · 2026-04-28T11:56:04.000Z

微软开源 VibeVoice 语音 AI 框架，支持 60 分钟长音频单轮转录与多语言实时合成。VibeVoice-ASR-BitNet 通过异构量化将模型从 4.62 GB 压缩至 1.58 GB，可在 CPU 上实现实时推理（RTF < 1），无需 GPU。模型已集成至 Azure AI Foundry Labs 和 Hugging Face Transformers，支持 vLLM 加速推理，并提供微调代码与技术报告。

tosh酱，持续分享值得阅读的内容。关注

添加评论

点踩

分享查看原文

参与讨论