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
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
- 高质量高性能文本转语音系统index-tts2整合包下载，高效声音克隆软件
最近更新
AI实时变声器Voice Changer2.1.4 CUDA版下载，高质量RVC变声软件
Voice Changer是一款实时 AI 变声工具，允许你通过多种 AI 声音模型（如 RVC 和 Beatrice）实时转换声音。转换延迟更低，是目前社区中最受欢迎的开源实时变声方案之一。 核心特点 1. 实时性 voice-chang...
Studio One Pro 7免费开心版下载
Studio One 7是一款专业数字音频工作站（DAW）软件，它是音乐制作、混音、母带处理与现场演出一体化的旗舰软件。 ✨ 核心功能 1. AI 智能音轨分离（Stem Separation） AI 驱动的音轨分离功能允许用户将混缩后的音...
PDF转Markdown软件MinerU 3.1.11整合包（高性能版）
MinerU是一款非常热门的PDF、图片、DOCX、PPTX、XLSX转markdown格式软件，转换效果属于同类软件中比较优秀的一个。当前最新版为3.1.11版本，我基于最新版源码制作了免安装一键启动整合包，并做适当优化及修改，详情查看链...
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
阿里千问Qwen3-TTS是一款热门的语音合成及声音克隆软件，我基于当前最新版制作了免安装一键启动整合包，并增加多人对话语音合成功能。 此版本为低配显卡电脑版，软件使用0.6B模型，模型尺寸略小，对电脑显卡配置要求也更小，但是质量不会差太多...
腾讯混元三维世界重建系统WorldMirror 2.0通用3D三维资产重建工具下载
WorldMirror 2.0 是由腾讯混元（Hunyuan）团队开发的下一代通用三维世界重建系统，底层基于 HY-World-2.0 模型。它能够从一组普通照片或一段视频中，自动恢复出场景的三维结构，并生成多种形式的三维资产，包括： 我基...
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
Qwen3-TTS 是由阿里 Qwen 团队开发的新一代语音合成系统，基于自研的 Qwen3-TTS-Tokenizer-12Hz 编解码器和离散多码本 LM 架构，实现了端到端的全信息语音建模。它突破了传统级联架构的信息瓶颈，支持音色克隆...
PasteMD：一键将 Markdown 和网页 AI 对话文本内容粘贴到 Word、WPS 和 Excel
PasteMD：一键将 Markdown 和网页 AI 对话（ChatGPT/DeepSeek等）完美粘贴到 Word、WPS 和 Excel 的效率工具。 在写论文或报告时，从 ChatGPT / DeepSeek 等 AI 网站中复制出...
BiliNote：自动生成B站油管视频笔记，AI视频内容总结工具
在信息爆炸的时代，视频已经成为最重要的知识载体之一。但相比文字，视频的“可检索性”和“复用效率”始终较低。如何快速从长视频中提取重点、形成结构化知识，成为很多学习者和创作者的痛点。 而 BiliNote 正是为解决这一问题而诞生的一款开源 ...
优云智算HappyHorse AI 视频生成API KEY WebUI
大家可能平常刷视频的时候已经发现了，进入2026年AI短剧极其火爆，不管是短视频平台还是拼多多等购物平台，短剧视频里经常能刷到AI漫剧。前几年短剧公司拍真人短剧赚的盆满钵满，进入2026年短剧公司被AI打的毫无还手之力。借助AI的快速发展，...
LTX-2.3 视频生成免安装部署整合包软件下载
LTX-2 是由 Lightricks 开发的首个基于 DiT（扩散变换器）架构的音视频基础模型，能够在一个统一模型中同时生成高质量的视频与同步音频。与以往需要分别处理视频和音频的方案不同，LTX-2 将两者深度融合，实现真正的音画同步生成...
