Cara menggunakan VibeVoice Text to Speech AI dari Microsoft
Dalam postingan ini, kami akan menunjukkan kepada Anda cara menggunakan VibeVoice Text to Speech AI dari Microsoft. VibeVoice adalah kerangka kerja AI teks-ke-suara (TTS) generasi berikutnya yang mengubah teks tertulis menjadi suara alami seperti manusia. Berbeda dengan sistem TTS tradisional, VibeVoice mendukung narasi panjang dan skenario multi-pembicara, sehingga berguna untuk membuat podcast, pertunjukan audio, dan pengalaman AI percakapan.
VibeVoice tersedia dalam berbagai varian, masing-masing dirancang untuk kasus penggunaan tertentu. Salah satu versi yang paling populer adalah VibeVoice Realtime (0.5B), di mana 0,5B mengacu pada 0,5 miliar parameter. Varian ini ringan, cepat, dan dioptimalkan untuk teks-ke-suara real-time dengan latensi yang sangat rendah. Ia bisa mulai berbicara hampir seketika dan mendukung input teks secara streaming, memungkinkan pembuatan suara berlanjut bahkan saat teks baru sedang dimasukkan. Variasi lainnya lebih cocok untuk narasi percakapan yang diperpanjang daripada penggunaan real-time.
Bagaimana cara menggunakan VibeVoice Text to Speech AI dari Microsoft?
Untuk panduan ini, kami akan menggunakan model VibeVoice Realtime (0,5B). Varian ini lebih mudah dijalankan dan paling baik menunjukkan kemampuan streaming real-time VibeVoice. Untuk menggunakan VibeVoice Text to Speech AI dari Microsoft, Anda perlu mengikuti langkah-langkah ini:
- Buka halaman resmi VibeVoice
- Atur lingkungan Google Colab
- Jalankan langkah-langkah pengaturan awal
- Buat dan tambahkan token akses Hugging Face
- Luncurkan Demo VibeVoice Realtime
- Gunakan antarmuka web VibeVoice untuk menghasilkan suara
Mari kita lihat ini secara rinci.
1. Buka halaman resmi VibeVoice
Buka halaman dokumen resmi VibeVoice di GitHub dengan mengklik di sini. Gulir ke bawah ke bagian Usages. Di bawah Usage 1: Launch real-time websocket demo, klik tautan ‘try it on Colab‘.
Catatan: Google Colab adalah layanan gratis berbasis browser dari Google yang dapat menjalankan kode Python di cloud. Dengan Google Colab, Anda dapat mencoba VibeVoice secara instan tanpa harus mengatur Python, pustaka, atau driver GPU di PC Windows 11 Anda. Semua pemrosesan terjadi di server Google, menjadikannya cara termudah dan teraman untuk mencoba VibeVoice untuk pertama kalinya.
2. Siapkan lingkungan Google Colab
Setelah Anda mengklik tautan coba di Google Colab, sebuah notebook Colab akan terbuka di browser Anda (halaman interaktif yang berisi instruksi siap pakai dan tombol untuk menjalankan kode langkah demi langkah). Jika Anda belum masuk, Google Colab akan meminta Anda untuk masuk dengan akun Google Anda.
Sebelum menjalankan kode apa pun, klik Runtime di menu atas dan pilih Change runtime type.
Atur runtime ke Python 3 dan pilih T4 GPU sebagai hardware accelerator, lalu klik Simpan. Ini memastikan notebook berjalan dengan efisien dan memberikan output audio yang lancar saat pembuatan suara.
3. Jalankan langkah-langkah pengaturan awal
Setelah runtime dikonfigurasi, mulailah menjalankan langkah-langkah setup awal di notebook Google Colab. Jalankan langkah-langkah tersebut satu per satu, dari atas ke bawah, dengan mengklik tombol play di sebelah setiap langkah. Tunggu hingga setiap langkah selesai sebelum melanjutkan ke langkah berikutnya. Saat sebuah langkah selesai dengan sukses, Anda akan melihat centang hijau, yang menunjukkan bahwa langkah tersebut telah dijalankan tanpa error.
4. Buat dan tambahkan token akses Hugging Face
Setelah Anda menjalankan langkah-langkah pengaturan dan instalasi awal, notebook akan meminta Anda untuk masuk ke Hugging Face. Ini diperlukan karena VibeVoice mengunduh file modelnya dari Hugging Face.
Untuk melanjutkan, buka akun Hugging Face Anda di tab baru dan pergi ke Pengaturan > Token Akses. Klik tombol Buat token baru di sebelah Token Akses Pengguna.
Beri nama yang sesuai untuk token dan aktifkan izin yang dibutuhkan. Selanjutnya, klik tombol Buat token di bagian bawah.
Salin token yang dihasilkan dan tempelkan ke dalam kolom yang sesuai di notebook Google Colab.
Setelah ditambahkan, autentikasi dan lanjutkan ke langkah berikutnya.
5. Luncurkan Demo VibeVoice-Realtime
Setelah menyelesaikan Langkah1, jalankan Langkah 2. Langkah ini memulai layanan VibeVoice dan menyiapkan antarmuka berbasis web untuk pembuatan suara.
Proses ini mungkin memerlukan beberapa menit untuk dijalankan. Saat Anda menggulir ke bawah, Anda akan menemukan satu atau lebih tautan, termasuk URL publik. Buka tautan ini di tab browser baru. Jika halaman dimuat dengan benar, itu menandakan bahwa demo VibeVoice sedang berjalan dan siap digunakan.
6. Gunakan antarmuka web VibeVoice untuk menghasilkan ucapan
Setelah membuka URL publik, Anda akan melihat antarmuka web resmi VibeVoice. Di kotak teks, tempelkan atau ketik teks yang ingin Anda ubah menjadi suara. Selanjutnya, pilih suara pembicara dari opsi yang tersedia.
Setelah semuanya siap, klik tombol Mulai untuk memulai pembuatan suara. VibeVoice akan membacakan teks dengan suara nyaring dan terus memproses konten saat Anda mengetik lebih banyak teks.
Di bagian bawah, Anda akan melihat Runtime Logs. Ini adalah pesan di layar yang menunjukkan kemajuan, status, dan kesalahan apa pun saat demo VibeVoice berjalan di Google Colab. Anda dapat menghentikan pemutaran kapan saja atau mengubah teks untuk menguji hasil yang berbeda.
Fitur Utama VibeVoice Text to Speech AI
Berikut adalah beberapa fitur utama VibeVoice yang patut diketahui:
- Gratis dan sumber terbuka: VibeVoice tersedia sebagai proyek sumber terbuka di bawah lisensi MIT.
- Output ucapan alami seperti manusia: VibeVoice menghasilkan ucapan yang jelas dan ekspresif dengan aliran, jeda, intonasi, dan bahkan percakapan antar suara yang lebih baik.
- Generasi ucapan waktu nyata dan streaming: Varian Realtime (0.5B) mendukung keluaran ucapan berlatensi rendah dan dapat menangani teks yang terus diperbarui, sehingga cocok untuk skenario audio interaktif dan dinamis.
- Penanganan pidato panjang: VibeVoice dapat menangani teks yang lebih panjang sambil mempertahankan kualitas suara yang konsisten dan narasi yang lancar.
- Beberapa opsi suara: VibeVoice memungkinkan pengguna memilih berbagai suara pembicara.
- Model ringan dan mudah diterapkan: Dengan ukuran 0,5 miliar parameter yang ringkas, model Realtime mudah dijalankan dan tidak memerlukan infrastruktur yang berat.
Saya harap ini bermanfaat bagi Anda.
Apakah fitur text-to-speech Microsoft bisa digunakan secara gratis?
Microsoft menawarkan model TTS open-source seperti VibeVoice, yang sepenuhnya gratis untuk digunakan, dimodifikasi, dan diterapkan di sistem Anda sendiri. Selain itu, Microsoft Azure Text to Speech menyediakan tingkat gratis dengan penggunaan bulanan terbatas untuk pengujian dan pengembangan. Namun, jika Anda melebihi batas gratis atau menggunakan suara dan fitur premium, maka diterapkan rencana berbayar.
Apa saja alat teks-ke-suara AI terbaik?
Saat ini tersedia beberapa alat AI teks-ke-suara yang sangat canggih. Misalnya, Microsoft VibeVoice adalah alat teks-ke-suara open-source yang kuat, dibuat untuk menghasilkan suara secara real-time dan dalam format panjang. Demikian juga, ElevenLabs AI Voice Generator
sangat dipuji karena suaranya yang realistis dan dukungan multibahasa, sementara Murf.ai Text‑to‑Speech menawarkan lebih dari 200 suara dan berbagai opsi kustomisasi.