VibeVoice - 文本到语音对话生成 可生成90分钟4人聊天语音 支持50系显卡 一键整合包下载
VibeVoice 是微软开源的一个文本转语音（TTS）模型，它能用自然、富有表现力的声音将文字转换成语音，可生成 90 分钟 4 人聊天语音，尤其适合生成长时长、多说话人的对话式音频，比如播客、有声书等。
VibeVoice就像一个“语音魔法师”，能把文字变成自然、流畅的长语音，还能让不同角色“开口说话”。无论是做播客、有声书，还是提升智能助手的交互体验，它都能提供高效、高质量的解决方案。
核心特点
超长语音合成： 能一次性生成90分钟的连续语音，远超传统模型（通常只能合成30-60分钟），且在长时间合成中保持音色稳定、语义连贯，避免“说着说着声音变调”或“内容乱套”的问题。
多说话人支持： 最多可模拟4个不同说话人的语音，并支持自然切换。比如，可以生成一段4人对话的播客，每个人的声音、语气都不同，仿佛真人交流。
高保真与低延迟： 通过双分词器架构（声学+语义）和扩散框架，在压缩音频数据（达3200倍）的同时保留高音质，且生成效率高。
跨语言与情感表达： 支持中英文互转，能根据文本内容自动调整语气（如悲伤、兴奋），甚至能模拟唱歌、带背景音乐的场景（比如生成一段带BGM的科技访谈播客）。
应用领域
播客与有声内容制作： 快速生成多人对话的播客节目，无需真人录音，节省时间和成本。
有声书与长音频创作： 一次性合成整本有声书，避免传统模型分段合成的断层问题。
虚拟助手与客服： 为智能助手（如语音导航、客服）提供更自然、多轮对话的语音交互能力。
教育娱乐： 生成个性化语音教程、角色扮演游戏配音，或模拟名人声音进行趣味互动（需合法授权）。
使用教程：（建议N卡，显存6G起，支持50系显卡）
设置说话人数量，选择预置说话人音色，或自定义（将自定义wav文件拷贝到软件voices目录下），输入对话文本，生成即可。
不带模型，需要手动下载模型，再执行运行。
下载地址：
https://pan.quark.cn/s/ec1308e05ca1
下载模型后运行，提示‘Qwen/Qwen2.5-1.5B’少这个？
linyuan_gy 发表于 2025-8-27 21:57
下载模型后运行，提示‘Qwen/Qwen2.5-1.5B’少这个？
模型下载完了吗？
报错信息贴出来 我下载模型后运行显示：
* 请合理合法使用AI技术，不要用于违法用途
* 否则由此带来的任何责任后果，请自行承担
Traceback (most recent call last):
File "<frozen __main__>", line 3, in <module>
File "<frozen app>", line 23, in <module>
ModuleNotFoundError: No module named 'vibevoice'
Press any key to continue . . . szfjm 发表于 2025-8-28 12:41
我下载模型后运行显示：
* 请合理合法使用AI技术，不要用于违法用途
* 否则由此带来的任何责任后果，请 ...
你这是都没解压完整啊 无言以对 发表于 2025-8-28 13:25
你这是都没解压完整啊
又用管理员权限解压了二次，都是这个错误 szfjm 发表于 2025-8-28 16:09
又用管理员权限解压了二次，都是这个错误
我也是报这个错误
szfjm 发表于 2025-8-28 16:09
又用管理员权限解压了二次，都是这个错误
你是不是文件路径有中文或者括号之类的
我直接解压就能用啊
来日方长 发表于 2025-8-29 10:06
你是不是文件路径有中文或者括号之类的
我直接解压就能用啊
没有中文及空格等 szfjm 发表于 2025-8-29 16:10
没有中文及空格等
你解压后有没有 vibevoice 这个文件夹