微软最近发布了 VibeVoice-Realtime-0.5B，这是一款针对实时文本转语音（TTS）的轻量级模型。该模型支持流式文本输入和长篇语音输出，特别适合用于代理式应用和实时数据讲述。Vib

微软悄然开源了一枚“黑马级”实时语音模型:VibeVoice-Realtime-0.5B。这可能是目前全球延迟最低、表现最接近真人的开源文本转语音（TTS）模型之一，话还没说完，声音就已经开始了!

微软今日发布全新的实时文本转语音模型 VibeVoice-Realtime-0.5B。尽管模型规模仅为0.5B，但却具备接近实时的语音生成能力，最快可在约300毫秒内开始发声，实现“话未说完音已先