kipreise.info
Lokale Modelle › Stimme & Vorlesen › VibeVoice-Realtime-0.5B
microsoft · Stimme & Vorlesen · ⟳ vor 2 Min (16.10. 19:14 UTC)

VibeVoice-Realtime-0.5B

Text zu Sprache — Vorlesen, Voice-Over, Hörbücher. Läuft oft auch auf schwachen Rechnern.

MIT

Größe (kompakt)2,0 GB
Kleinste Variante–
LizenzMIT
Parameter0.5B
KategorieStimme & Vorlesen
Downloads (30 Tage)284k
Likes1k
Aktualisiertvor 10 Mon.
Erstelltvor 11 Mon.
Hersteller/Orgmicrosoft
Tensor-TypBF16
Repo-Größe (alle Dateien)2,0 GB

Läuft das auf deinem Rechner?

Was kann es?

VibeVoice-Realtime-0.5B ist ein kleines Text-zu-Sprache-Modell, das Stimmen in Echtzeit erzeugt. Mit nur 0,5 Milliarden Parametern läuft es auch auf schwächerer Hardware.

Stärken

Sehr geringe Latenz und ein enorm kleines Modellgewicht, sodass es für Anwendungen in Echtzeit (Chatbots, Sprachassistenten) auf praktisch jedem Rechner nutzbar ist.

Grenzen

Die Stimmenqualität erreicht das Niveau großer TTS-Modelle wie ElevenLabs oder Tortoise-TTS nicht – bei Nuancen, Emotionen und Sprechergläubigkeit gibt es spürbare Unterschiede.

Für wen?

Für Entwickler und Tüftler, die lokal und offline Stimmen synthetisieren wollen, ohne dafür eine leistungsstarke GPU oder einen teuren Cloud-Dienst zu brauchen.

So startest du es

Jeder Befehl ist fertig für dieses Modell: kopieren und in die Konsole einfügen.

⚠️ Dieses Modell gibt es nicht als GGUF — Ollama, LM Studio und llama.cpp können es daher nicht starten (die drei Wege funktionieren nur bei Sprachmodellen). Es läuft über Coqui-TTS oder Piper.

Dein Rechner

Besonderheiten

Was dieses Modell ausmacht — geprüft aus den offiziellen Angaben (⟳ vor 2 Min (16.10. 19:14 UTC)).

SprichtErzeugt natürliche Stimmen aus Text (Vorlesen, Voice-Over, Hörbücher).
Basis: Qwen2.5-0.5BAufgebaut auf Qwen/Qwen2.5-0.5B (Feintuning) — Original-Modellkarte beim Anbieter. Quelle ↗
Paper / ForschungarXiv:2508.19205, arXiv:2412.08635 — die Original-Arbeit zum Modell bzw. Verfahren. Quelle ↗
In Spaces im Einsatz39 Hugging-Face-Spaces nutzen dieses Modell.
Großes KontextfensterBis zu 33k Token auf einmal — ganze Dokumente in einem Rutsch.
SpracheEnglisch
Kommerziell nutzbarLizenz: MIT.
Beliebt284k Downloads auf Hugging Face.
TechnikModelltyp: qwen2 · 24 Schichten · Bibliothek: transformers

Alle Angaben stammen aus den offiziellen Quellen (Hugging Face) — wir hosten keine Modelle.

Wo bekommst du es?

Wir hosten nichts — hier geht es direkt zur Quelle. Die Anleitung unten zeigt dir Schritt für Schritt, wie du das Modell startest.

Auf Hugging Face herunterladen Bei Ollama suchen Bei LM Studio suchen

Größen & Quants

Kleinere Datei = weniger Speicherbedarf, dafür minimal geringere Qualität. Der Check oben zeigt dir für jede Variante, ob sie auf deinem Rechner läuft — entscheiden musst nur du.

VarianteDateigrößeSpeicherbedarf (grob)
Keine Variantenliste verfügbar — schau in die Dateiliste bei Hugging Face.
Größenangaben aus der Dateiliste bei Hugging FaceAlle Dateien: HF ↗

So startest du VibeVoice-Realtime-0.5B

  1. Herunterladen: Über den HF-Button oben (oder direkt in Ollama/LM Studio suchen).
  2. Starten: Unsere Anleitung zeigt dir die einfachsten Wege — LM Studio (Klick-Oberfläche) oder Ollama (ein Befehl).
  3. Chatten: Modell auswählen, lostippen. Ohne Internet, ohne Anmeldung.

Gleiches Modell lieber als API nutzen? Preisvergleich öffnen →

Häufige Fragen

Läuft VibeVoice-Realtime-0.5B auf meinem Rechner?

Das zeigt dir der Check oben — Variante für Variante. Typische Größen: die übliche kompakte Variante wiegt –, die kleinste – — rechne grob ~2 GB Puffer dazu.

Was kostet VibeVoice-Realtime-0.5B?

Nichts — das Modell ist kostenlos herunterladbar. Kosten entstehen nur für Strom oder eine gemietete GPU, falls dein Rechner zu klein ist.

Ähnliche Modelle: Qwen3-TTS-12Hz-0.6B-CustomVoice · OmniVoice · Qwen3-TTS-Tokenizer-12Hz · Zurück zur Übersicht

Daten: Hugging Face API · ⟳ vor 2 Min (16.10. 19:14 UTC). Wir hosten keine Modelle — alle Links führen zu den offiziellen Quellen.