语音合成

简介 VibeVoice是微软开源的前沿语音AI框架，主打"长音频处理"——语音识别能一次吃下60分钟录音，语音合成能一口气生成90分钟的对话。这不是普通的TTS/ASR工具，而是专为播客、会议、多角色对话场景设计的硬核方案。 核心功能 …

语音正在成为 AI Agent 的下一个战场。 当 GPT-5.4 可以直接理解语音输入，当 Claude 能够生成更自然的语音回复，当 OpenAI 的语音模式让对话体验逼近真人——语音不再是"锦上添花"，而是 AI 交互的核心能力。 在 …