OmniVoice

OmniVoice 能做什么？

• 支持 646 种语言

  一个统一模型支持 646 种语言。

• 零样本语音克隆

  通过 3-25 秒的音频样本克隆任何声音，无需训练。

• 语音设计

  仅通过文本描述创建声音。

• 富有表现力的语音

  能呈现非语言声音，如笑声和叹息。

• 跨语言克隆

  从一种语言克隆声音，并用任何其他语言合成。

• 单阶段架构

  通过一次处理将文本直接映射到音频。

• 生产就绪速度

  批量推理的实时因子（RTF）为 0.022；60 秒音频约 1.3 秒生成。

• 开源

  在 Apache 2.0 许可下发布，可免费用于商业用途。