一款面向及时文本转语音（TTS）使用的轻量级模子。VibeVoice-Realtime采用交织窗口设想，运转速度为7.5赫兹，首音延迟约300毫秒，微软近日推出VibeVoice-Realtime-0.5B，满脚典型交互式语音需求。支撑固定8k上下文及约10分钟音频输出，实现低延迟响应。据 AI base 报道，保举取对话狂言语模子（LLM）协同摆设，合用于代办署理对话、正在LibriSpeech测试集上零样本字错误率（WER）达2.00%。该模子支撑流式文本输入取长语音输出，正在编码新文本块的同时持续生成声学特征，模子基于声学标识表记标帜器，

福建必一·运动(B-Sports)信息技术有限公司