Awtomatikong salin · Orihinal sa Ingles
OmniVoice
Ang unang-party Soniqo page na ito ay nagpapatunay ng OmniVoice mula sa lokal na speech-swift / speech-core na pagpapatupad. Hugging Face na mga bungkos ay nakaugnay sa ibaba pagkatapos ng mga notasyon.
Panloob na Pahina Muna
Una na ngayong binabanggit dito ng mga landing card at docs menus ang tungkol dito; ang mga kawing ng source model at bround ay nananatiling makukuha mula sa pahinang ito.
Sa Isang Kaningningan
| Huwaran | OmniVoice |
|---|---|
| Ang Papel | Malawakang multinasyonal na sero-shot na tinig-cloning TTS |
| Likod | MLX int8 default na bungkos; fp16 browse na makukuha |
| Ilabas | 24 kHz mono waveform |
| Wika | 600+ wika |
| Lisensiya | Apache-2.0 Ang pamilya sa itaas |
| Kalagayan | Programmatic speech-swift runtime na ginagamit ng Studio sidecar |
| Pinagmumulan | k2-fsa OmniVoice |
| Swift produkto | OmniVoiceTTS |
| CLI / Oras ng pagtakbo | Programmatic runtime; hindi pa isang pangunahing pagsasalita ang nagsasalita ng makina |
Gamitin
Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng 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"
)Mga Kaugnayan sa Modelo
Mga Nota ng Pag - iisa
- Ilagay ang mga di - kumpletong cache sa pamamagitan ng pagsusuri sa gulugod, mga talaksang tokenizer, at modelong audio_tokenizer bago ikarga.
- Ang Generation eneratively ay naglalantad ng walong mga akustikong codebook na may classifier-free guidance.
- Ang runtime ay nagsasama ng isang bidirectional Qwen3 stand sa pamamagitan ng isang Higgs-audio v2 codecreculator/decoder.
- Ang mga instruksiyon sa pagpili ay sumasaklaw sa limitadong mga kontrol sa istilo gaya ng tuldik, edad, kasarian, tono, at bulong.