OmniVoice

OmniVoice 是 k2-fsa 团队在 GitHub 上开源的零样本文本转语音（zero-shot TTS）模型，README 说它支持 600 多种语言。官方说它用的是扩散语言模型式的架构，推理速度快，能克隆声音，也能按描述设计声音。克隆时建议用 3 到 10 秒的参考音频。作者说明，声音设计主要用中文和英文训练，其他语言的效果作者有所保留。一个模型覆盖这么多语言，还同时能克隆和设计声音，是它最突出的地方。

适合谁：语音开发者和研究者，以及要做多语言配音、会自己部署模型的内容制作者。

使用前提：代码是 Apache-2.0 许可，免费；在本地运行要 Python、模型文件和足够的算力，网上的演示页面本站没有核实。你给的参考音频会进入推理流程。README 的免责声明写明，严禁用它做未经授权的声音克隆、冒充他人、诈骗或其他违法和不道德的事，并要求遵守当地法规和伦理规范。

以上根据项目公开说明整理，本站没有实际测试。