GitHub 项目:VibeVoice
仓库地址:https://github.com/microsoft/VibeVoice
星级:47307 | 作者:微软
项目描述:开源前沿语音AI
===================================================
自述文件内容:
## ?️ VibeVoice:开源前沿语音 AI
[](https://microsoft.github.io/VibeVoice)
[](https://huggingface.co/collections/microsoft/vibevoice-68a2ef24a875c44be47b034f)
[](https://openreview.net/pdf?id=FihSkzyxdv)
[](https://arxiv.org/pdf/2601.18184)
[](https://colab.research.google.com/github/microsoft/VibeVoice/blob/main/demo/VibeVoice_colab.ipynb)
[](https://aka.ms/vibevoice-asr)
[](https://trendshift.io/repositories/15465)
<图片>
图片>
?新闻
2026-03-06:? VibeVoice ASR 现已成为变形金刚版本的一部分!您现在可以直接通过 Hugging Face Transformers 库使用我们的语音识别模型,以便无缝集成到您的项目中。
2026-01-21: ? 我们开源了
VibeVoice-ASR,这是一个统一的语音到文本模型,旨在一次性处理 60 分钟的长格式音频,生成包含“谁”(说话者)、“时间”(时间戳)和“内容”(内容)的结构化转录,并支持用户定制的上下文。在 [Playground](https://aka.ms/vibevoice-asr) 中尝试一下。
- ⭐️ VibeVoice-ASR 本身就是多语言的,支持 50 多种语言 — 请查看[支持的语言](docs/vibevoice-asr.md#language-distribution) 了解详细信息。
- ? VibeVoice-ASR [微调代码](finetuning-asr/README.md) 现已推出!
- ⚡️ **vLLM 推理** 现在支持更快的推理;有关更多详细信息,请参阅 [vllm-asr](docs/vibevoice-vllm-asr.md)。
- ? [VibeVoice-ASR 技术报告](https://arxiv.org/pdf/2601.18184) 可用。
2025 年 12 月 16 日:? 我们在
VibeVoice‑Realtime‑0.5B 中添加了实验性扬声器以进行探索,包括 9 种语言(德语、法语、意大利语、日语、韩语、荷兰语、PL、PT、ES)的多语言语音和 11 种不同的英语风格语音。 [尝试一下](docs/vibevoice-realtime-0.5b.md#optional-more-experimental-voices)。随着时间的推移,将会添加更多扬声器类型。
2025 年 12 月 3 日:? 我们开源了
VibeVoice‑Realtime‑0.5B,这是一个实时文本转语音模型,