Maskinöversättning · Engelskt original

OmniVoice

Denna förstaparts Soniqo-sida dokumenterar OmniVoice från den lokala speech-swift / speech-core implementering. Hugging Face buntar är länkade nedan efter integrationsnoterna.

Intern sida först

Landningskort och docs-menyer pekar nu här först; källmodell och buntlänkar förblir tillgängliga från denna sida.

På en Glance

Modell	OmniVoice
Rollen	Massivt flerspråkig noll-shot röstkloning TTS
Backend	MLX int8 standardpaket; fp16 bunt tillgänglig
Output	24 kHz mono vågform
Språk	600+ språk
Licens	Apache-2.0 uppströms familjen
Status	Programmatisk speech-swift runtime som används av Studio sidovagn
Källa	k2-fsa OmniVoice
Swift produkt	`OmniVoiceTTS`
CLI / runtime	Programmatisk runtime; inte en primärtalshögtalare än

Användning

Nyckeln nedan speglar den nuvarande speech-swift API eller kommandot exponerat av repan.

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"
)

Modelllänkar

Implementeringsmeddelanden

Ladda ner reparationer ofullständiga caches genom att kontrollera ryggraden, tokenizer-filer och audio_tokenizer modell innan du laddar.
Generation iterativt avslöjar åtta akustiska kodböcker med klassificeringsfri vägledning.
Runtiden kombinerar en bidirectional Qwen3 ryggrad med en Higgs-audio v2 codec-kodare/decoder.
Valfria instruktioner täcker begränsade stilkontroller som accent, ålder, kön, tonhöjd och viskning.