OmniVoice

OmniVoice 是小米 AI 实验室与 k2-fsa 团队推出的多语言文本转语音模型，支持超过 600 种语言与方言。官方资料显示，模型采用 Diffusion Language Model 风格的非自回归架构，可直接从文本生成多码本声学 token，并支持零样本语音克隆与语音设计。OmniVoice 支持仅用数秒参考音频完成声音模仿，可用于数字人、AI 配音与全球化语音交互场景。模型代码与预训练权重已在 GitHub 开源。

核心功能

• 支持 600+ 语言
• 零样本语音克隆
• 非自回归 TTS
• 支持语音设计
• 支持多语言方言

使用场景

• AI 配音
• 数字人语音
• 跨语言语音生成
• 语音助手
• 内容创作

适合谁用

适合语音 AI 开发者与数字内容团队

常见问题

**Q: OmniVoice 是什么？**

OmniVoice 是支持 600 多种语言的零样本文本转语音模型。

**Q: OmniVoice 怎么用？**

开发者可通过 GitHub 获取代码与模型权重进行部署。

**Q: OmniVoice 收费吗？**

项目已开源，可免费使用。

资料来源

• https://github.com/k2-fsa/OmniVoice
• https://arxiv.org/abs/2604.00688
• https://news.qq.com/rain/a/20260507A06LEW00