Maskinoversættelse · Engelsk original

OmniVoice

Denne første part Soniqo side dokumenter OmniVoice fra den lokale speech-swift / speech-core implementering. Hugging Face bundter er knyttet nedenfor efter integration noter.

Intern side først

Landingskort og docs menuer peger nu her først; kildemodel og bundlink er stadig tilgængelige fra denne side.

På en Glance

Model	OmniVoice
Rolle	Massivt flersproget zeroshot voice- kloning TTS
Backend	MLX int8 standard bundt; fp16 bundle tilgængelig
Output	24 kHz mono waveform
Sprog	600 + sprog
Licens	Apache-2.0 opstrøms familie
Status	Programmatisk speech-swift drifttid brugt af Studio sidevogn
Kilde	k2-fsa OmniVoice
Swift produkt	`OmniVoiceTTS`
CLI / runtime	Programmatisk runtime; ikke en primær tale tale motor endnu

Anvendelse

Snuppet nedenfor afspejler den aktuelle speech-swift API eller kommando udsat af repo.

import OmniVoiceTTS

let model = try await OmniVoiceTTSModel.fromPretrained()
let pcm = try model.generate(
    text: "A new sentence in the reference speaker's voice.",
    referenceAudio: URL(fileURLWithPath: "reference.wav"),
    referenceText: "This is the reference voice.",
    language: "en"
)

Model Links

Gennemførelsesnoter

Hent reparationer ufuldstændige caches ved at kontrollere rygrad, projizer filer, og audio _ projizer model før indlæsning.
Generation iterativt uncaster otte akustiske kodebøger med klassifikatorfri vejledning.
Den runtime kombinerer en tovejs Qwen3 rygrad med en Higgs- audio v2 codec encoder / dekoder.
Valgfrie instruktioner dækker begrænset stil kontrol såsom accent, alder, køn, pitch, og hvisken.