A inteligência artificial de voz de código aberto acaba de atingir um novo marco. Dois modelos de ponta estão agora disponíveis:

FireRedTTS2 oferece métricas de desempenho impressionantes—140ms de latência com suporte para interações de diálogo entre 4 oradores em 7 idiomas. Construído com uma arquitetura de duplo-transformer, lida com processamento de áudio complexo enquanto mantém a resposta em tempo real.

VibeVoice eleva o comprimento da conversa a outro nível, suportando interações contínuas de 90 minutos com capacidades genuínas de processamento em tempo real. A arquitetura permite diálogos naturais e prolongados sem degradação.

Ambos os modelos representam avanços significativos no desenvolvimento de IA de voz de código aberto, combinando desempenho de baixa latência com capacidades práticas de múltiplos idiomas e múltiplos oradores.