# OmniVoice (modelo de fala, não comercial)

> OmniVoice, da k2-fsa, executado localmente: síntese de voz em mais de 600 idiomas com sua própria voz padrão ou uma voz clonada a partir de um clipe e sua transcrição. Útil para idiomas raros em projetos não comerciais. Melhor em uma GPU, com audio.cpp. Licença não comercial (CC-BY-NC).

- Id: `aigd.tts-omnivoice`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.2 (publicado em 2026-11-22)
- Licença: SEE LICENSE IN README.md
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.tts-omnivoice

## Instalar

Com o CLI gamedev, na pasta do projeto:

```bash
gamedev pkg add aigd.tts-omnivoice
```

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.tts-omnivoice` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

````markdown
# OmniVoice (`aigd.tts-omnivoice`)

OmniVoice é o modelo de conversão de texto em fala da k2-fsa para mais de 600 idiomas, com sua própria voz padrão ou uma voz clonada a partir de um clipe e da transcrição dele. No AI Game Dev ele roda no seu computador por meio de **Local audio generation** (`aigd.audiocpp`, audio.cpp), com melhor desempenho em uma GPU. **Sua licença é não comercial (CC-BY-NC)**, então ele serve para pesquisa, protótipos, mods e projetos pessoais, especialmente quando você precisa de um idioma que outros modelos de fala não cobrem.

## O que você pode criar

- Falas de personagens em idiomas raros e de poucos recursos para projetos não comerciais.
- Diálogos com uma voz clonada a partir de um clipe de 3–30 s e da transcrição dele.
- Narração na voz padrão para protótipos em vários idiomas.

## Exemplos de pedidos

- "Leia a fala do ancião da vila em tailandês com a voz padrão."
- "Clone `Audio/ref/guide.wav` (transcrição em `guide.txt`) e diga a fala de boas-vindas em ucraniano."
- "Gere a voz do tutorial em indonésio e polonês."

## Destaques

|  |  |
|---|---|
| ID do modelo | `aigd.tts-omnivoice.q8-0` |
| Idiomas | 600+; o app lista os mais comuns: en, zh, ja, ko, de, fr, es, it, pt, ru, ar, hi, tr, nl, pl, vi, th, id, uk, sv |
| Vozes | voz padrão, ou um clone de um clipe de 3–30 s com a transcrição dele |
| Saída | 24 kHz |
| Texto por solicitação | até 2,000 caracteres |
| Roda em | uma GPU com cerca de 4 GB (estimativa): NVIDIA (CUDA), Vulkan ou Mac (Metal); uma CPU funciona, mas é lenta |
| Download | 1.35 GB, 1 arquivo |
| Licença | CC-BY-NC: **apenas uso não comercial** |

## Como funciona

Este pacote é só dados: ele indica os arquivos do modelo. Depois que você aceita a licença, o app baixa esses arquivos do Hugging Face, verifica cada um por sha256 e os executa com **Local audio generation** (`aigd.audiocpp`, audio.cpp) no seu computador.

## Download

- **OmniVoice** (`aigd.tts-omnivoice.q8-0`): 1.35 GB, 1 arquivo de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3), fixado nesse commit.

## Em quais computadores

Melhor em uma GPU (cerca de 4 GB); em uma CPU funciona, mas é lento.

## Vozes e idiomas

- OmniVoice: idiomas en, zh, ja, ko, de, fr, es, it, pt, ru, ar, hi, tr, nl, pl, vi, th, id, uk, sv; clonagem de voz a partir de um clipe com a transcrição dele.

OmniVoice foi Apache-2.0 até 2026-07-03, quando os autores mudaram os pesos para CC-BY-NC por causa dos dados de treinamento. O código continua Apache-2.0. O tokenizador de áudio dentro do GGUF vem de bosonai/higgs-audio-v2-tokenizer (Boson Higgs Audio 2 Community License).

## Licença

CC-BY-NC. **Apenas uso não comercial.** Os pesos são CC-BY-NC (não comercial, com atribuição) por causa dos dados de treinamento; o código é Apache-2.0.

- OmniVoice da k2-fsa: [cartão do modelo](https://huggingface.co/k2-fsa/OmniVoice), CC-BY-NC; texto da licença: [CC-BY-NC](https://huggingface.co/k2-fsa/OmniVoice#license).
- Todos os arquivos deste pacote vêm de [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf): CC-BY-NC (a licença upstream; a conversão do audio.cpp, que inclui o tokenizador Higgs Audio v2). Tabela de licenças por família do audio.cpp: [model_licenses.md](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md).
- Tokenizador Higgs Audio v2 (dentro do GGUF): Boson Higgs Audio 2 Community License ([fonte](https://huggingface.co/k2-fsa/OmniVoice/blob/3fc979d1cd72492cd679c5ac2611e0d7ac047ba1/audio_tokenizer/LICENSE)).

Atribuição obrigatória: "OmniVoice by k2-fsa (k2-fsa/OmniVoice), CC-BY-NC. Built with Higgs Materials licensed from Boson AI USA, Inc. and Meta Llama 3 licensed under the Meta Llama 3 Community License."

Restrições:

- Apenas uso não comercial (CC-BY-NC, desde 2026-07-03).
- Se você compartilhar o modelo, dê crédito ao k2-fsa OmniVoice; o tokenizador de áudio incluído também exige mostrar "Built with Higgs Materials licensed from Boson AI USA, Inc." com o aviso do Meta Llama 3, além de um arquivo Notice com as duas licenças.
- Os autores proíbem clonagem de voz não autorizada, personificação, fraude e golpes; a licença do tokenizador acrescenta a Política de Uso Aceitável do Meta Llama 3.
- A licença do tokenizador Higgs proíbe usá-lo para melhorar outro modelo de linguagem grande e exige uma licença ampliada acima de 100,000 usuários ativos anuais.

Você é responsável por seguir a licença do modelo que baixar. Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
````
