快速阅读: 微软研究院开源VibeVoice-1.5B模型，实现90分钟超长语音合成，支持四位发言人，3200倍音频压缩，双tokenizer架构解决音色与语义不匹配问题。 近日，微软研究院正式开源了最新音频模型——VibeVoice-1. […]
