🌍 兄弟们，一个模型能说 600 多种语言，OmniVoice 拿一小段参考音频就能零样本克隆音色。 k2-fsa 开源的 OmniVoice，3 月底才建… · @Ryrenz · TwKit

@Ryrenz

🌍 兄弟们，一个模型能说 600 多种语言，OmniVoice 拿一小段参考音频就能零样本克隆音色。 k2-fsa 开源的 OmniVoice，3 月底才建的仓库，现在 1.57 万 star、两千三百多个 fork，对应论文 arXiv 2604.00688。 做小语种内容最难的是找配音：常见的 TTS 只覆盖十几二十种语言，再往外基本没得选。 OmniVoice 一下把覆盖面拉到 600 多种语言。克隆声音时连参考音频的文字稿都可以不给，它会调用 Whisper 自己转写；不想克隆就用语音设计，按性别、年龄、音高、口音、中文方言去捏一个声音，不过这个模式只用中英文数据训练过。 文本里还能插 [laughter]、[sigh] 这种标签，读错的字可以用拼音纠正。速度也快，自述 RTF 最低 0.025，比实时快约 40 倍，N 卡、Apple Silicon、Intel Arc 都能跑。项目明确禁止未经授权克隆别人的声音、冒充和诈骗。 小语种内容的配音门槛，被 OmniVoice 拉低了一大截。 GitHub：https://github.com/k2-fsa/OmniVoice

曝光 298 · 评论 1 · 点赞 3 · 书签 3