兄弟们微软也在github开源了

这个微软开源的VibeVoice，是个语音AI全家桶，主打TTS和ASR两大块，

这模型之前开过一次源，去年9月被人拿去搞深度伪造，微软二话不说，直接把GitHub仓库删了，那会儿才8K星。重新上架后，星数直接干到3.5万+，懂的都懂，程序员认准的好东西，从来藏不住。

最顶的就是超长音频处理，做相关开发的兄弟都知道，这玩意儿能省太多事。TTS单次能生成90分钟多说话人对话，不用分段，省得写切片、拼接的破代码。

ASR更猛，单次处理60分钟音频，不用手动切片，推理速度拉满。关键是输出直接带说话人、时间戳、文本，一步到位，不用再二次开发整合，省了大把功夫。

还有个轻量版实时TTS，才0.5B参数，消费级GPU就能跑，部署门槛极低。首屏延迟300ms左右，实时交互完全没问题，不用堆高性能硬件，开发落地成本贼低