VibeVoiceConvertir le texte en audio naturelle en plusieurs voix distinctes avec des voix AI en secondes.

VibeVoice est un outil d'intelligence artificielle qui convertit le texte en audio à plusieurs locuteurs avec des voix distinctes, d'un son naturel. Il est alimenté par le modèle VALL-E X de Microsoft et utilise une architecture de style VALL-E pour traiter la synthèse de texte en parole (TTS) comme une tâche de modélisation de langage. Cette approche permet une parole d'un son exceptionnellement naturel. L'outil est conçu pour orchestrer des conversations réalistes avec tout un casting de voix IA. Il prend en charge la maîtrise de plusieurs locuteurs, lui permettant de générer des voix distinctes à partir d'un seul script. L'outil propose également une synthèse translinguistique, passant de l'anglais au chinois de manière transparente tout en maintenant une identité vocale cohérente. Les fonctionnalités clés de VibeVoice comprennent sa capacité à capturer la prosodie subtile et l'émotion de la parole humaine, offrant un réalisme inégalé. Le modèle peut maintenir une prosodie et une cohérence naturelles sur des durées prolongées, le rendant adapté aux livres audio et aux podcasts de pleine longueur. De plus, VibeVoice possède des capacités de zéro-shot, permettant la synthèse de voix personnalisées à partir de courts extraits audio grâce à l'apprentissage « in-context ».} VibeVoice est positionné comme un outil de création de contenu audio professionnel, offrant un nouveau standard pour la technologie de voix IA avec un focus sur la qualité, le réalisme et la liberté de création. Il est construit sur une base open-source, rendant la technologie de voix IA de haute qualité accessible à tous.