‫صداهای هوش مصنوعی محلی در .NET – VibeVoice و Qwen TTS و انتشار نسخه کاندید فریم‌ورک Agent مایکروسافت!

کتابخانه VibeVoice و QwenTTS امکان اجرای محلی تبدیل متن به گفتار (TTS) را در .NET فراهم می‌کنند. این کتابخانه‌ها با استفاده از مدل‌های ONNX و بدون نیاز به وابستگی به سرویس‌های ابری یا پایتون، به توسعه‌دهندگان .NET اجازه می‌دهند تا به راحتی صداهای مصنوعی تولید کنند. VibeVoice با پیکربندی ساده و پیش‌تنظیمات صوتی، خروجی WAV با کیفیت ارائه می‌دهد. QwenTTS بر پایه مدل Qwen3-TTS ساخته شده و قابلیت‌های پیشرفته‌تری مانند پشتیبانی از چندین گوینده، سناریوهای چند زبانه و کنترل دقیق‌تر بر فرآیند سنتز را ارائه می‌دهد. این کتابخانه همچنین امکان کلون‌سازی صدا را نیز فراهم می‌کند که می‌تواند برای ایجاد دستیارهای هوش مصنوعی شخصی‌سازی شده و سیستم‌های RAG فعال‌شده با صدا مورد استفاده قرار گیرد. مزایای استفاده از TTS محلی شامل حفظ حریم خصوصی، عدم وجود هزینه‌های درخواستی، تأخیر کم و کنترل کامل بر استقرار است. این کتابخانه‌ها برای توسعه‌دهندگانی که به دنبال استفاده از هوش مصنوعی محلی، Foundry Local، سناریوهای آفلاین و استقرار در لبه هستند، یک نقطه شروع عملی محسوب می‌شوند. کلون‌سازی صدا به عنوان یک ویژگی در حال توسعه در مخزن QwenTTS گنجانده شده است. این قابلیت به کاربران امکان می‌دهد تا گفتار را با صدای مرجع تولید کنند و تجربیات دستیار شخصی‌سازی شده و سیستم‌های هوش مصنوعی مبتنی بر هویت را آزمایش کنند. این ابزارها با هدف ساده‌سازی استفاده از هوش مصنوعی برای توسعه‌دهندگان .NET ایجاد شده‌اند و با ارائه APIهای C# اصولی و مدیریت خودکار مدل، فرآیند توسعه را تسهیل می‌کنند.