开源语音模型已经卷到 600 多种语言了，甚至还能克隆声音。 项目叫 OmniVoice，由 k2-fsa 开源。 几个关键数据： -600+ 种语言：支持… · @TiagerBao · TwKit

@TiagerBao

开源语音模型已经卷到 600 多种语言了，甚至还能克隆声音。 项目叫 OmniVoice，由 k2-fsa 开源。 几个关键数据： -600+ 种语言：支持多语言文本转语音 -3–10 秒参考音频：即可尝试零样本声音克隆 -最高 40 倍实时速度：官方报告最低 RTF 0.025 -2–2.9 倍推理加速：支持 FlashInfer 不只是文字转语音，还能指定性别、年龄、音调、口音，甚至控制笑声、叹气和单词发音。 支持 Python、CLI、本地 Web UI，也能在 Apple Silicon 上运行。 对做语音 Agent、有声内容、语言学习 App 的开发者来说，值得试试。 GitHub：https://github.com/k2-fsa/OmniVoice #AI #Agent #TTS #VoiceAI #OpenSource

曝光 446 · 评论 1 · 点赞 1 · 书签 4