OmniVoice

Эта страница Soniqo описывает OmniVoice из локальной реализации speech-swift / speech-core. Ссылки на Hugging Face находятся ниже после заметок по интеграции.

Сначала внутренняя страница

Карточки и меню документации сначала ведут сюда; ссылки на исходную модель и бандлы остаются на этой странице.

Кратко

Модель	OmniVoice
Роль	Massively multilingual zero-shot voice-cloning TTS
Backend	MLX int8 default bundle; fp16 bundle available
Вывод	24 kHz mono waveform
Языки	600+ languages
Лицензия	Apache-2.0 upstream family
Статус	Programmatic speech-swift runtime used by Studio sidecar
Источник	k2-fsa OmniVoice
Swift-продукт	`OmniVoiceTTS`
CLI / runtime	Programmatic runtime; not a primary speech speak engine yet

Использование

Фрагмент ниже соответствует текущему API или команде из 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"
)

Ссылки модели

Заметки реализации

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.