VI
模型参数
5亿
上下文长度
8K
多语言支持
暂无数据
推理能力
暂无数据
0.5B 实时流式 TTS 变体；支持 streaming text input，约 300ms 首段可听延迟，8K context、约 10 分钟长语音。
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-Realtime-0.5B
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
8K 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
5亿 / 暂无数据
知识截止
暂无数据
VibeVoice-Realtime-0.5B
开源和体验地址
VibeVoice-Realtime-0.5B
官方介绍与博客
官方论文
暂无
DataLearnerAI博客
暂无
VibeVoice-Realtime-0.5B
API接口信息
接口速度
暂无数据
暂无公开的 API 定价信息。
VibeVoice-Realtime-0.5B
发布机构
Microsoft Azure
查看发布机构详情 VibeVoice-Realtime-0.5B
模型解读
VibeVoice-Realtime-0.5B 是 Microsoft 发布的语音模型。0.5B 实时流式 TTS 变体；支持 streaming text input，约 300ms 首段可听延迟，8K context、约 10 分钟长语音。官方首次公开日期为 2025-08-26。
规格与公开信息
- 架构：Streaming VibeVoice; acoustic tokenizer + Qwen2.5-class LLM + diffusion head
- 参数规模：0.5B
- 上下文：8,192 tokens
- 最大输出：~10 minutes audio
- 语言：English primary; exploratory German/French/Italian/Japanese/Korean/Dutch/Polish/Portuguese/Spanish
- 延迟/吞吐：~300ms first audible speech (hardware dependent)
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
