k2-fsa 发布 OmniVoice：支持600+语言的零样本 TTS
GitHub 项目 k2-fsa/OmniVoice 在 GitHub Trending 上出现，项目方称这是一个大规模多语言零样本语音合成（TTS）模型，覆盖 600 多种语言。按其 README 描述，模型采用“扩散语言模型式”架构，支持声音克隆与“声音设计”（按性别、年龄、音高、口音、方言、耳语等属性指定音色），并可用 [laughter] 等标记和拼音/音素纠正发音。项目还给出自测数据：RTF 最低 0.025（约 40 倍实时），以及在单张 H100 上使用 FlashInfer 相比基线的加速结果；这些指标均为项目自报，未见独立评测。
若其 600 多种语言覆盖的说法成立，该项目自称将拥有零样本 TTS 模型中最广的语言覆盖，这使多语言语音合成的开源选项明显扩大。
High-Quality Voice Cloning TTS for 600+ Languages
OmniVoice 🌍
OmniVoice is a state-of-the-art massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it generates high-quality speech with superior inference speed, supporting voice cloning and voice design.
Contents: Key Features | Installation | Quick Start | Python API | Command-Line Tools | Training & Evaluation | Discussion | Citation