小米开源 OmniVoice 多语言语音克隆 TTS 模型。采用极简双向 Transformer 架构，用全码本随机掩蔽和大语言模型预训练参数提升效率与可懂度，训练速度 10 万小时 / 天，PyTorch 推理达 40 倍实时，合成质量优于同类主流模型。
OmniVoice 基于 50 个开源数据集构建 58 万小时、646 语种训练集，在 24 语种测试中超越商用系统，102 语种逼近真实语音。支持跨语言克隆、自定义音色、带噪适配和发音纠正，训练、推理代码及模型权重均已开源。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
暂无评论内容