Tiêu đề gốc: microsoft/VibeVoice
Gia đình mô hình giọng nói mã nguồn mở của Microsoft: VibeVoice-ASR có thể xử lý âm thanh dài 60 phút trong một lần, xuất bản ghi chép có cấu trúc kèm thông tin người nói và mốc thời gian, hỗ trợ 50 ngôn ngữ khác nhau cùng với ngữ cảnh tùy chỉnh, đã được tích hợp vào Hugging Face Transformers; ASR-Streaming ra mắt vào tháng 9 cho phép chuyển đổi thành văn bản trong khi thu âm; VibeVoice-Realtime-0.5B là mô hình tổng hợp giọng nói thời gian thực hỗ trợ đầu vào văn bản dạng stream.
Số sao 55952 (+223 / 24h)
Lý do
- Tăng thêm 223 sao trong 24 giờ, tổng số sao là 55952, xếp thứ 20 trên Trendshift trong ngày (chỉ phản ánh mức độ quan tâm).
Rủi ro
- Mã nguồn của tính năng tổng hợp giọng nói đa người dài (VibeVoice-TTS) đã bị gỡ khỏi kho lưu trữ do bị lạm dụng
- README cảnh báo rằng giọng nói tổng hợp có thể bị dùng để giả mạo và lừa đảo, việc sử dụng cần tuân thủ pháp luật và phải ghi rõ là do AI tạo ra
- Cập nhật gần nhất trong README là vào tháng 9, việc xuất hiện trong bảng xếp hạng kỳ này không đồng nghĩa với việc có phiên bản mới