微软终于开源了VibeVoice。

24K+ stars，不是玩具，是生产级语音AI。

支持实时语音克隆、情感控制、多语言切换。延迟低到可以实时对话，质量高到难以分辨真假。

这意味什么？

语音交互的门槛，归零了。

以前做语音助手要调ASR、TTS、NLP三件套，现在一个模型全搞定。创业者可以用VibeVoice在几小时内搭建自己的"Her"。

但这里有个问题：当语音克隆变得如此简单，声纹认证还安全吗？

你的声音，正在变成可复制的数据。

技术越开放，风险越隐蔽。
https://x.com/i/status/2037767893019144287