VibeVoice是微软开发的一款富有表现力的长篇多人对话语音合成工具。支持1-4个发音人,支持声音克隆自定义音色合成语音,我制作了最新的本地免安装一键启动整合包及云端在线版。

VibeVoice介绍
VibeVoice:一种前沿的长对话文本转语音模型
VibeVoice 是一个新型框架,旨在从文本生成富有表现力的长篇多说话人对话音频,例如播客。它解决了传统文本转语音 (TTS) 系统中的重大挑战,尤其是在可扩展性、说话人一致性和自然轮流说话方面。
VibeVoice 的核心创新在于其采用连续语音分词器(声学分词器和语义分词器),并以 7.5 Hz 的超低帧率运行。这些分词器能够高效地保持音频保真度,同时显著提升处理长序列的计算效率。VibeVoice 采用下一词元扩散框架,利用大型语言模型 (LLM) 理解文本上下文和对话流程,并使用扩散头生成高保真声学细节。
该模型可以合成长达90 分钟、最多4 个不同说话人的语音,超越了许多先前模型通常 1-2 个说话人的限制。
VibeVoice整合包使用说明
为了方便有高配电脑和没有高配电脑的用户使用,我分别制作了本地免安装整合包版及云端在线一键启动版。
首先到网盘内将软件压缩包下载到本地电脑上,英伟达显存16G以上用户可下载7B版,低配英伟达显卡用户下载1.5B版,然后解压出来。
双击启动软件.bat,启动成功后会自动打开webUI操作界面
可以选择默认的发音人,也可以自定义音色发音人。
如果需要自定义声音的话,可在上传音频中上传需要使用的声音的音频文件即可。如果需要反复使用这个 声音的话,建议将音频文件放入项目文件夹内的voices文件夹内,在使用的时候直接从列表里选择就可以了,更方便。
脚本输入里输入需要合成语音的文本内容即可。
多人对话时,建议在文本开头写上“Speaker 1:”和“Speaker 2:”这样的关键词来区分不同说话人内容。
点击生成播客,等待合成结果即可。
视频教程及效果演示视频:
注意事项
软件只支持中英文语音合成
本地整合包软件只支持windows10和11
软件运行路径中不要出现非英文字符和空格
英伟达显卡需要RTX30系列或更高型号
7B模型版,建议英伟达显存16G以上用户使用
软件会随机合成一些背景乐,这是由场景决定的,如果想要删除,请修改出现背景乐的文本内容
VibeVoice本地电脑免安装一键启动整合包下载链接
VibeVoice在线一键启动版链接
VibeVoice免费在线使用地址
相关推荐
多人对话声音克隆语音合成工具Chatterbox TTS免安装版,AI实时文字转语音
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
阿里Qwen3-TTS高质量声音克隆语音合成系统,AI视频配音多人对话生成工具
多人对话有声书制作软件VoxCPM Windows版整合包,高质量声音克隆语音合成工具
【免安装/解压即用】支持600+语言的神级TTS!OmniVoice 零样本语音克隆一键整合包发布
带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载
抖音出品高质量声音克隆文字转语音合成软件MegaTTS3整合包下载
多人对话语音合成软件CSM整合包,AI多人文字转语音工具
最近更新
Open WebUI:可离线自托管的 AI 界面,统一连接 Ollama 与 OpenAI 兼容 API
Open WebUI 是一个可离线自托管的 AI 交互平台,支持通过 Ollama 连接本地模型与 OpenAI 兼容 API,提供 Docker、Python 及桌面应用等多种运行方式。

Dify:在可视化画布上搭建 LLM 应用与 Agentic 工作流
Dify 是一个开源的 LLM 应用开发平台,把可视化 AI 工作流、RAG 管道、Agent、模型管理和 LLMOps 整合在同一工作空间,支持云端、VPC 或自托管部署,帮助团队从原型走向生产。
The Agency:把一支完整的 AI 专家团队装进你的开发工作流
The Agency 是一个开源的 AI 智能体角色合集,每个智能体都带有明确的专业方向、工作流程和交付物。它面向 Claude Code、Cursor、Codex、Gemini CLI 等工具,提供按部门组织的专家角色,并附带桌面安装器,可一键安装、按团队筛选。
Hugging Face Transformers:统一文本、视觉、音频与多模态模型的模型定义框架
Hugging Face Transformers 是一个覆盖文本、视觉、音频、视频和多模态的模型定义框架,支持推理与训练,并通过统一 API 连接主流训练框架和推理引擎。
n8n:可视化搭建与自定义代码结合的 AI 工作流自动化平台
n8n 是一个 fair-code 工作流自动化平台,支持可视化画布与 JavaScript、Python 代码混合搭建,可自托管或云端部署,并提供 AI 工作流、多步骤 agent、大量集成和工作流模板。本文介绍其功能、使用方式、运行环境与适用场景。
cinecode:用 AI 编程代理写剧本、造画面、配音效,把一句话变成 MP4 电影
cinecode 是一个在本地运行的 AI 电影生成工具包:AI 编程代理写剧本、用代码逐帧搭建画面、设计声音并输出 MP4,覆盖短片、长视频、广告、解说和音乐视频。本文介绍它的两种模式、两个创作目标、主要功能、运行环境和适用场景。
gputaskman:给 GPU 装一个 htop,逐进程看清显存都被谁占了
gputaskman 是一个用 Python 编写的终端 GPU 任务管理器,试图回答“显存到底被谁占了”:它把逐进程显存、GPU 引擎活动与运行时、模型文件、LLM 的权重/KV cache 拆解关联起来,支持 Windows、Linux、WSL 和 Apple Silicon。本文介绍其功能、安装方式、平台限制与适用场景。
开发一次,四个平台原生运行:Exact 想做的 AI 原生跨平台应用运行时
Exact 是一个跨平台应用运行时:用小型声明式语言 Contract 描述界面,用 TypeScript 或 Rust 写数据逻辑,编译出的界面计划在 Web、macOS、iOS 和 Linux 上以各平台原生方式运行,并允许 AI 编码代理通过统一操作脚本构建、运行、观察和测试应用。
Hermes Agent:Nous Research 开源的自我改进 AI 智能体,能从经验中创建技能并跨平台运行
Hermes Agent 是 Nous Research 开源的自我改进 AI 智能体,内置学习闭环,能从经验中创建并改进技能,支持多消息平台、定时任务、子智能体和多种运行后端,可用任意模型并通过 CLI 或 Telegram 等入口使用。
TradingAgents 是什么:用多智能体 LLM 模拟交易公司的开源框架
TradingAgents 是一个基于 LangGraph 的多智能体 LLM 金融交易研究框架,用分析师、研究员、交易员和风险管理团队的分工模拟交易公司决策流程。本文介绍它的角色设计、安装方式、LLM 提供商配置、CLI 用法、支持市场与 Python 调用方式。













