Diffusion

Microsoft VibeVoice 是开源的前沿语音 AI 模型家族，包含 ASR（语音识别）和 TTS（语音合成）两大核心模块。本文深度拆解其 Next-Token Diffusion 架构、连续语音 Tokenizer、超低帧率设计等核心技术。 ...