OmniVoice
Cette page Soniqo documente OmniVoice tel qu'il est implémenté dans speech-swift / speech-core. Les liens Hugging Face sont placés après les notes d'intégration.
Page interne d'abord
Les cartes et menus pointent d'abord ici; les liens vers le modèle source et les bundles restent disponibles sur cette page.
Aperçu
| Modèle | OmniVoice |
|---|---|
| Rôle | Massively multilingual zero-shot voice-cloning TTS |
| Backend | MLX int8 default bundle; fp16 bundle available |
| Sortie | 24 kHz mono waveform |
| Langues | 600+ languages |
| Licence | Apache-2.0 upstream family |
| État | Programmatic speech-swift runtime used by Studio sidecar |
| Source | k2-fsa OmniVoice |
| Produit Swift | OmniVoiceTTS |
| CLI / runtime | Programmatic runtime; not a primary speech speak engine yet |
Utilisation
L'extrait ci-dessous suit l'API ou la commande actuellement exposée par speech-swift.
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"
)Liens du modèle
Notes d'implémentation
- Download repairs incomplete caches by checking the backbone, tokenizer files, and audio_tokenizer model before loading.
- Generation iteratively unmasks eight acoustic codebooks with classifier-free guidance.
- The runtime combines a bidirectional Qwen3 backbone with a Higgs-audio v2 codec encoder/decoder.
- Optional instructions cover restricted style controls such as accent, age, gender, pitch, and whisper.