首頁小米的 OmniVoice 開源 TTS 模型實現了橫跨 600 多種語言的零樣本克隆
近日，小米的下一代 Kaldi 團隊（k2-fsa）正式開源了 OmniVoice，這是一款支援超過 600 種語言的大型多語言零樣本文字轉語音模型。該模型在中文、英文及多語言合成等多項關鍵基準測試中均取得業界領先的成績，標誌著該領域取得重大突破。
領先表現：中文 WER 低至 0.84%，多語言測試中超越主流模型
在 Seed-TTS 中文測試集上，OmniVoice 達到了僅 0.84% 的驚人低詞錯誤率 (WER)。在多語言評估中，其相似度 (SIM-o) 和 WER 分數超越了 ElevenLabs v2 和 MiniMax 等知名商用模型，展現出卓越的語音自然度與清晰度。
超高速推論：RTF 低至 0.025，速度比即時處理快 40 倍
OmniVoice 的即時因子 (RTF) 低至 0.025，意味著其合成速度遠超即時要求。這項巨大的效能提升，使系統能在實際應用中快速生成長篇語音，大幅提升使用者體驗。
核心架構創新：受擴散模型啟發的離散非自迴歸設計
OmniVoice 採用受擴散語言模型啟發的創新離散非自迴歸架構。它能透過單一步驟將文字轉化為語音，省略了傳統的中間語義標記。此精簡設計在維持高輸出品質的同時，也簡化了處理流程。結合預訓練大型語言模型（LLM）的初始化，以及完整的碼本隨機遮罩策略，進一步提升了訓練效率，並改善了最終語音的清晰度與可懂度。
靈活的聲音複製與自訂功能：僅需 3 至 10 秒的音訊即可運作
該模型僅需 3 至 10 秒的參考音訊，即可實現高品質的零樣本語音克隆。使用者還能透過自然語言提示自訂語音屬性，指定性別、年齡、音高、口音、方言，甚至包括耳語等特殊效果。
支援非語言符號與細緻發音控制
OmniVoice 能處理非語言符號（如 [笑聲]），並支援透過拼音或音標進行發音修正。這使其特別適合用於中文及各類方言的精準合成。
支援 600 多種語言：協助少數民族語言與瀕危語言的數位保存
OmniVoice 的關鍵亮點在於其廣泛的語言覆蓋範圍，能高效支援主要語言及眾多資源匱乏的語言。對於少數民族語言及瀕危語言，它僅需極少的數據樣本即可生成高品質語音，為數位語言保存與文化保護提供了巨大潛力。
OmniVoice 的原始碼與預訓練模型現已於 GitHub 和 Hugging Face 開源，開發者可自行部署或整合至應用程式中。AIbase 將持續關注社群回饋與實際應用案例，並鼓勵開發者分享使用經驗。
專案連結：https://github.com/k2-fsa/OmniVoice
相關文章
DeepMind執行長哈西里斯：我每天睡六個小時，通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪，揭示了他對休息和生產力的非傳統方法。Hassabis 透露，他睡眠時間非常少，將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣，Hassabis 表示：“我目標睡六小時，但我的習慣非同尋常。我可以在白天有效運作。”他強調，睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind（後被谷歌收購），並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期，OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標，導致本週二科技股承壓，但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認，儘管媒體報導負面，他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段，因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力，但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同，競爭對手 Anthropic 獲得了
加州自動駕駛合規：罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車，並運用其遠端監控技術，管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源：Guident加州正重新定義無人駕駛車輛的監管格局，從科技產業的「快速行動、打破常規」心態，轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩（Harold Braun）在《機器人報告》（The Robo
相關專題推薦
聊天機器人
用於語言練習、面試準備和日常流利度的最佳 AI 角色扮演聊天應用
2026 年最新最佳頂級評分 AI 角色扮演聊天應用，用於語言練習、面試準備和日常流利度！XIX.AI 精心策劃了一個強大的變革性合集，提供免費與付費對比、真實世界測試以及每週更新的排名。這些必試工具可幫助您提升寫作技能，克服流利度挑戰，並提高所有日常場景下的溝通效率。立即探索，發現您語言成長的完美工具！
10 個工具
xix.ai
音樂創作
用於混音製作、取樣準備及卡拉OK母帶處理的 AI 聲部分離工具
2026年最新、最優秀且評分最高的AI音軌分離工具彙總，專為混音製作、取樣準備以及卡拉OK音訊處理而設計。這些功能強大的創新工具經過實際測試，能夠實現精準的音訊分離，顯著提升工作效率。XIX.AI每週都會更新免費的付費產品對比指南，幫助您找到最適合自身需求的工具。立即探索，發揮您的AI優勢。
8 個工具
xix.ai
數據分析
用於收入看板、轉化漏斗分析及產品指標分析的 AI SQL 助手
2026年最新最優秀的AI SQL輔助工具排名揭曉！XIX.AI精心挑選了一系列功能強大的工具，這些工具會定期更新，並透過真實的場景測試來驗證其效能。使用這些值得嘗試的工具，您可以快速生成精準的收入分析報表、分析銷售流程，並追蹤產品各項指標，從而大幅提升工作效率。立即探索，找到最適合您的資料驅動決策工具！238個字元
9 個工具
xix.ai
音樂創作
最佳用於歌曲草稿的 AI 旋律創作工具
2026 年最新最佳頂級評分 AI 旋律創作工具，助力歌曲草稿創作！XIX.AI 精心策劃了一套極具影響力且經過嚴格真實世界測試的變革性合集，旨在提供最佳的創作體驗。您可以找到詳細的免費與付費版對比、精準的排名以及必試選項，這些工具旨在幫助您輕鬆創作出令人驚豔的歌曲草稿，並顯著提升您的創意生產力。立即探索，發現您的完美工具！
8 個工具
xix.ai
聊天機器人
最適合面試練習的 AI 對話訓練工具
2026 年最新、最受好評的 AI 面試對話訓練工具，盡在 XIX.AI！這份精心精選的清單收錄了多款功能強大、顛覆傳統的工具，這些工具均經過嚴格的實戰測試，能提供精準的回饋。 您將在此找到免費版與付費版的比較分析，以及詳細的排名榜單，助您挑選必試的選項，從而提升自信與技能。立即探索，發掘助您在面試中脫穎而出的完美工具！
12 個工具
xix.ai
設計與藝術
最適合進行創意實驗的 AI 風格轉移工具
2026 年最新、最佳且評價最高的 AI 風格轉移工具，助您進行創意實驗！XIX.AI 精心精選了一系列強大且具革命性的必試工具，這些工具經實際測試與嚴格評比，能帶來卓越成果。這些頂尖解決方案能加速內容創作並開啟無盡的創意可能性，協助創作者顯著提升生產力。 立即探索，找出最適合您的工具，並從今天開始創作吧！
9 個工具
xix.ai
評論 (0)
0/500
近日，小米的下一代 Kaldi 團隊（k2-fsa）正式開源了 OmniVoice，這是一款支援超過 600 種語言的大型多語言零樣本文字轉語音模型。該模型在中文、英文及多語言合成等多項關鍵基準測試中均取得業界領先的成績，標誌著該領域取得重大突破。
領先表現：中文 WER 低至 0.84%，多語言測試中超越主流模型
在 Seed-TTS 中文測試集上，OmniVoice 達到了僅 0.84% 的驚人低詞錯誤率 (WER)。在多語言評估中，其相似度 (SIM-o) 和 WER 分數超越了 ElevenLabs v2 和 MiniMax 等知名商用模型，展現出卓越的語音自然度與清晰度。
超高速推論：RTF 低至 0.025，速度比即時處理快 40 倍
OmniVoice 的即時因子 (RTF) 低至 0.025，意味著其合成速度遠超即時要求。這項巨大的效能提升，使系統能在實際應用中快速生成長篇語音，大幅提升使用者體驗。
核心架構創新：受擴散模型啟發的離散非自迴歸設計
OmniVoice 採用受擴散語言模型啟發的創新離散非自迴歸架構。它能透過單一步驟將文字轉化為語音，省略了傳統的中間語義標記。此精簡設計在維持高輸出品質的同時，也簡化了處理流程。結合預訓練大型語言模型（LLM）的初始化，以及完整的碼本隨機遮罩策略，進一步提升了訓練效率，並改善了最終語音的清晰度與可懂度。
靈活的聲音複製與自訂功能：僅需 3 至 10 秒的音訊即可運作
該模型僅需 3 至 10 秒的參考音訊，即可實現高品質的零樣本語音克隆。使用者還能透過自然語言提示自訂語音屬性，指定性別、年齡、音高、口音、方言，甚至包括耳語等特殊效果。
支援非語言符號與細緻發音控制
OmniVoice 能處理非語言符號（如 [笑聲]），並支援透過拼音或音標進行發音修正。這使其特別適合用於中文及各類方言的精準合成。
支援 600 多種語言：協助少數民族語言與瀕危語言的數位保存
OmniVoice 的關鍵亮點在於其廣泛的語言覆蓋範圍，能高效支援主要語言及眾多資源匱乏的語言。對於少數民族語言及瀕危語言，它僅需極少的數據樣本即可生成高品質語音，為數位語言保存與文化保護提供了巨大潛力。
OmniVoice 的原始碼與預訓練模型現已於 GitHub 和 Hugging Face 開源，開發者可自行部署或整合至應用程式中。AIbase 將持續關注社群回饋與實際應用案例，並鼓勵開發者分享使用經驗。
專案連結：https://github.com/k2-fsa/OmniVoice
DeepMind執行長哈西里斯：我每天睡六個小時，通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪，揭示了他對休息和生產力的非傳統方法。Hassabis 透露，他睡眠時間非常少，將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣，Hassabis 表示：“我目標睡六小時，但我的習慣非同尋常。我可以在白天有效運作。”他強調，睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind（後被谷歌收購），並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期，OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標，導致本週二科技股承壓，但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認，儘管媒體報導負面，他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段，因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力，但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同，競爭對手 Anthropic 獲得了
加州自動駕駛合規：罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車，並運用其遠端監控技術，管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源：Guident加州正重新定義無人駕駛車輛的監管格局，從科技產業的「快速行動、打破常規」心態，轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩（Harold Braun）在《機器人報告》（The Robo
2026 年最新最佳頂級評分 AI 角色扮演聊天應用，用於語言練習、面試準備和日常流利度！XIX.AI 精心策劃了一個強大的變革性合集，提供免費與付費對比、真實世界測試以及每週更新的排名。這些必試工具可幫助您提升寫作技能，克服流利度挑戰，並提高所有日常場景下的溝通效率。立即探索，發現您語言成長的完美工具！
10 個工具
xix.ai
2026年最新、最優秀且評分最高的AI音軌分離工具彙總，專為混音製作、取樣準備以及卡拉OK音訊處理而設計。這些功能強大的創新工具經過實際測試，能夠實現精準的音訊分離，顯著提升工作效率。XIX.AI每週都會更新免費的付費產品對比指南，幫助您找到最適合自身需求的工具。立即探索，發揮您的AI優勢。
8 個工具
xix.ai
2026年最新最優秀的AI SQL輔助工具排名揭曉！XIX.AI精心挑選了一系列功能強大的工具，這些工具會定期更新，並透過真實的場景測試來驗證其效能。使用這些值得嘗試的工具，您可以快速生成精準的收入分析報表、分析銷售流程，並追蹤產品各項指標，從而大幅提升工作效率。立即探索，找到最適合您的資料驅動決策工具！238個字元
9 個工具
xix.ai
2026 年最新最佳頂級評分 AI 旋律創作工具，助力歌曲草稿創作！XIX.AI 精心策劃了一套極具影響力且經過嚴格真實世界測試的變革性合集，旨在提供最佳的創作體驗。您可以找到詳細的免費與付費版對比、精準的排名以及必試選項，這些工具旨在幫助您輕鬆創作出令人驚豔的歌曲草稿，並顯著提升您的創意生產力。立即探索，發現您的完美工具！
8 個工具
xix.ai
2026 年最新、最受好評的 AI 面試對話訓練工具，盡在 XIX.AI！這份精心精選的清單收錄了多款功能強大、顛覆傳統的工具，這些工具均經過嚴格的實戰測試，能提供精準的回饋。 您將在此找到免費版與付費版的比較分析，以及詳細的排名榜單，助您挑選必試的選項，從而提升自信與技能。立即探索，發掘助您在面試中脫穎而出的完美工具！
12 個工具
xix.ai
2026 年最新、最佳且評價最高的 AI 風格轉移工具，助您進行創意實驗！XIX.AI 精心精選了一系列強大且具革命性的必試工具，這些工具經實際測試與嚴格評比，能帶來卓越成果。這些頂尖解決方案能加速內容創作並開啟無盡的創意可能性，協助創作者顯著提升生產力。 立即探索，找出最適合您的工具，並從今天開始創作吧！
9 個工具
xix.ai
