5 月 8 日消息，昨日，小米 AI 实验室发布并开源多语言语音克隆 TTS 模型 OmniVoice，团队基于 50 个开源数据集构建了 58 万小时的训练数据，覆盖 646 种语种。
中英文合成质量优于主流同类模型，推理速度达到 40 倍实时；
在 24 种语言上，其语音相似度和可懂度超越多款商用系统；
在 102 种语言上，可懂度逼近真实语音，即便是训练数据不足 10 小时的小语种，也能正常合成。
除语音克隆外，OmniVoice 还支持用文字描述来指定音色（如「女，青年，四川话」），可自动过滤参考音频中的噪声，并支持插入笑声、叹气等语气符号，还可手动纠正多音字发音。
💻 GitHub: github.com/k2-fsa/OmniVoice
🤗 Hugging Face: huggingface.co/k2-fsa/OmniVoice
声明：内容来源公开的各类媒体平台，若收录的内容侵犯了您的权益，请联系邮箱，本站将第一时间处理。