「会話しているかのように自然なリアルタイム音声を生成できるようになりました。
Microsoftは、初回音声出力まで約300ミリ秒という低遅延で、ストリーミング入力にも対応したリアルタイム音声合成システム『VibeVoice』をオープンソースとして公開しました。」