微软发布轻量级语音AI模型 VibeVoice 0.5B，赋能实时语音交互

微软正式推出其全新语音生成模型 VibeVoice 0.5B。该模型参数规模为5亿（0.5B），主打低延迟、高自然度与多语言支持，专为移动端和边缘设备优化，适用于实时语音助手、游戏配音、无障碍交互等场景。

VibeVoice 0.5B 基于微软自研的神经语音合成架构，仅需少量文本输入即可生成富有情感、语调自然的高质量语音，支持中、英、日、韩等十余种主流语言，并能模拟不同年龄、性别与风格的说话人声音。得益于高效推理设计，该模型可在普通智能手机上实现毫秒级响应。

目前，VibeVoice 0.5B 已集成至微软 Azure AI 语音服务，开发者可通过 API 调用或本地部署方式快速接入。微软表示，未来将推出更大规模版本，并持续提升语音的情感表达与上下文理解能力。