Github 23.3k Star！一款开源的前沿语音AI！

作者: 微信公众号 发布于: 2026-04-03 阅读: 5 来源: 微信公众号
开源AI GitHub VibeVoice TTS ASR Qwen2.5 语音合成 语音识别 实时流处理 深度学习

要点总结

  • Github获2.3万Star的开源语音AI框架
  • 基于Qwen2.5模型，集成TTS/ASR/Realtime
  • 采用7.5Hz超低帧率连续语音Tokenizer
  • TTS支持90分钟长音频及多人对话合成
  • ASR支持说话人分离与精确时间戳
  • 实时模型延迟仅300毫秒，支持多语言

🤖 AI 分析

📝 摘要

VibeVoice是一款集成了TTS、ASR和实时流式处理的开源语音AI框架。基于Qwen2.5模型与7.5Hz超低帧率Tokenizer，支持长文本多说话人合成、高精度识别及低延迟交互。

查看原文