DataLearner 标志
VI

VibeVoice-1.5B

语音大模型VibeVoiceVibeVoice

VibeVoice-1.5B

发布时间: 2025-08-26浏览量: 0
在线体验GitHubHugging Face对比
模型参数
15亿
上下文长度
64K
多语言支持
支持
推理能力
暂无数据

开源长语音多说话人 TTS；Qwen2.5-1.5B LLM + acoustic/semantic tokenizers + diffusion head，64K context，可生成约 90 分钟、最多 4 speaker 的对话音频。

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法

VibeVoice-1.5B

模型基本信息

推理过程
暂无数据
思考模式
不支持思考模式
上下文长度
64K tokens
最大输出长度
暂无数据
模型类型
语音大模型
输入/输出模态
文本 → 音频
发布时间
2025-08-26
模型文件大小
暂无数据
MoE架构
是
总参数 / 激活参数
15亿 / 暂无数据
知识截止
暂无数据
VibeVoice-1.5B

开源和体验地址

代码开源状态
MIT License
预训练权重开源
MIT License- 免费商用授权
GitHub 源码
暂无
Hugging Face
huggingface.co/microsoft/VibeVoice-1.5B
在线体验
暂无
VibeVoice-1.5B

官方介绍与博客

官方论文
暂无
DataLearnerAI博客
暂无
VibeVoice-1.5B

API接口信息

接口速度
暂无数据
暂无公开的 API 定价信息。
VibeVoice-1.5B

发布机构

VibeVoice-1.5B

模型解读

VibeVoice-1.5B 是 Microsoft 发布的语音模型。开源长语音多说话人 TTS；Qwen2.5-1.5B LLM + acoustic/semantic tokenizers + diffusion head，64K context，可生成约 90 分钟、最多 4 speaker 的对话音频。官方首次公开日期为 2025-08-26。

规格与公开信息

  • 架构：Qwen2.5-1.5B + acoustic/semantic tokenizers + diffusion head
  • 参数规模：1.5B
  • 上下文：65,536 tokens
  • 最大输出：~90 minutes audio; up to 4 speakers
  • 语言：English；Chinese

说明

  • research-oriented model card; legal license MIT but card discourages production use without testing

来源：https://huggingface.co/microsoft/VibeVoice-1.5B

DataLearner 官方微信

欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送

DataLearner 官方微信二维码