資源與連結

官方原始碼、權重、線上體驗與延伸閱讀。可依類別篩選或搜尋。

名稱類別說明連結
GitHub 原始碼官方microsoft/VibeVoice——程式碼、說明與 finetune 資源。https://github.com/microsoft/VibeVoice
Hugging Face（microsoft）權重微軟組織底下的六個開源權重與模型卡。https://huggingface.co/microsoft
ASR 線上體驗體驗在瀏覽器試用 VibeVoice-ASR。https://aka.ms/vibevoice-asr
官方專案頁官方整個家族的展示、樣本與總覽。https://microsoft.github.io/VibeVoice
ASR-Streaming 說明文件官方串流版的執行方式，含 FastAPI／WebSocket 示範。https://github.com/microsoft/VibeVoice/blob/main/docs/vibevoice-asr-streaming.md
VibeASR.cpp官方BitNet 版背後的邊緣 CPU 推論引擎。https://github.com/microsoft/VibeASR.cpp
串流辨識線上體驗體驗在瀏覽器試用即時、帶語者標註的轉寫。https://aka.ms/vibeasr
Azure AI Foundry Labs體驗透過 Microsoft Foundry 探索 VibeVoice-ASR，免自行架設。https://labs.ai.azure.com/innovations/vibevoice-asr/
TTS 論文（arXiv 2508.19205）論文以 next-token diffusion 生成富表現力的 Podcast。ICLR 2026 Oral。https://arxiv.org/abs/2508.19205
ASR 技術報告（arXiv 2601.18184）論文單次 60 分鐘長音訊辨識模型。https://arxiv.org/abs/2601.18184
ASR-BitNet 報告（arXiv 2607.21075）論文為 CPU 推論設計的異質量化：4.62 GB 壓到 1.58 GB。https://arxiv.org/abs/2607.21075
ASR-Streaming 報告（arXiv 2609.02812）論文以 LLM 為核心的端到端串流語者標註辨識。https://arxiv.org/abs/2609.02812
參考文章（itnotetk）延伸中文介紹：多語者長語音 TTS。https://www.itnotetk.com/2026/05/01/vibevoice-microsoft-multi-speaker-tts/
AllAboutAI 評測評價實測評測，附使用者調查評分（4/5）。https://www.allaboutai.com/ai-reviews/microsoft-vibevoice/
Applied AI Tools — 使用者評價分析評價開源解析與彙整的使用者評價。https://appliedai.tools/ai-for-content/microsoft-vibevoice-tts-open-source-explained-with-user-review-analysis/
Hacker News 討論評價社群討論串，含好評與批評。https://news.ycombinator.com/item?id=45114245
Slator 產業報導評價語言產業媒體對長語音模型的報導。https://slator.com/microsoft-research-vibevoice-long-form-speech-synthesis/
OpenAI — 新一代語音模型對比gpt-4o-transcribe 與 gpt-4o-mini-tts 發表說明。https://openai.com/index/introducing-our-next-generation-audio-models/
OpenAI — gpt-realtime對比OpenAI 產品級即時語音對語音模型。https://openai.com/index/introducing-gpt-realtime/

English version