本页由英文机器翻译而成。阅读英文原文。

OmniVoice(语音模型,非商用)

官方音频GPUv1.0.2aigd.tts-omnivoice
安装 还没安装应用?免费下载
或从终端安装
gamedev pkg add aigd.tts-omnivoice
在你的电脑上运行。 只需下载一次模型,之后即可在这台电脑的 GPU 上生成。

概览

k2-fsa 的 OmniVoice,本地运行:支持 600 多种语言的文本转语音,可用自带默认音色,也可用一段音频及其转录文本克隆音色。适合非商业项目中的小众语言。在 GPU 上效果最佳,使用 audio.cpp。非商业许可(CC-BY-NC)。

OmniVoice 是 k2-fsa 的文本转语音模型,支持 600 多种语言,可使用自带的默认音色,也可从一段音频及其转写文本克隆音色。在 AI Game Dev 中,它通过 Local audio generation(aigd.audiocpp,audio.cpp)在你的电脑上运行,最好使用 GPU。它的许可是非商业性的(CC-BY-NC),因此适合研究、原型、mod 和个人项目,尤其是当你需要其他语音模型没有覆盖的语言时。

你可以制作什么

  • 为非商业项目制作稀有语言和低资源语言的配音。
  • 用从 3–30 秒音频及其转写文本克隆出的音色录制对话。
  • 用默认音色为多语言原型录制旁白。

示例请求

  • “用默认音色以泰语朗读村长的台词。”
  • “克隆 Audio/ref/guide.wav(转写文本在 guide.txt 中),然后用乌克兰语说欢迎台词。”
  • “用印尼语和波兰语为教程配音。”

亮点

模型 IDaigd.tts-omnivoice.q8-0
语言600 多种;应用列出了常见的这些:en、zh、ja、ko、de、fr、es、it、pt、ru、ar、hi、tr、nl、pl、vi、th、id、uk、sv
音色默认音色,或从 3–30 秒音频及其转写文本克隆的音色
输出24 kHz
每次请求的文本最多 2,000 个字符
运行于约 4 GB 显存的 GPU(估算):NVIDIA(CUDA)、Vulkan 或 Mac(Metal);CPU 也能运行,但很慢
下载1.35 GB,1 个文件
许可CC-BY-NC:仅限非商业使用

运行方式

这个包只包含数据:它指明模型文件。在你接受许可后,应用会从 Hugging Face 下载这些文件,用 sha256 逐个校验,然后通过 Local audio generation(aigd.audiocpp,audio.cpp)在你的电脑上运行它们。

下载

  • OmniVoice(aigd.tts-omnivoice.q8-0):1.35 GB,1 个文件,来自 audio-cpp/audio.cpp-gguf,固定在该提交版本。

适用电脑

在 GPU 上最佳(约 4 GB);在 CPU 上也能运行,但很慢。

音色与语言

  • OmniVoice:语言包括 en、zh、ja、ko、de、fr、es、it、pt、ru、ar、hi、tr、nl、pl、vi、th、id、uk、sv;可从带转写文本的音频克隆音色。

OmniVoice 在 2026-07-03 之前是 Apache-2.0,之后作者因训练数据原因将权重改为 CC-BY-NC。其代码仍为 Apache-2.0。GGUF 内的音频分词器来自 bosonai/higgs-audio-v2-tokenizer(Boson Higgs Audio 2 Community License)。

许可

CC-BY-NC。仅限非商业使用。 由于训练数据的原因,权重采用 CC-BY-NC(非商业,需署名);代码为 Apache-2.0。

  • k2-fsa 的 OmniVoice:模型卡,CC-BY-NC;许可文本:CC-BY-NC。
  • 本包的每个文件都来自 audio-cpp/audio.cpp-gguf:CC-BY-NC(上游许可;audio.cpp 的转换版本,其中包含 Higgs Audio v2 分词器)。audio.cpp 按模型系列列出的许可表:model_licenses.md。
  • Higgs Audio v2 分词器(位于 GGUF 内):Boson Higgs Audio 2 Community License(来源)。

必须的署名:"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."

限制:

  • 仅限非商业使用(CC-BY-NC,自 2026-07-03 起)。
  • 如果你分享该模型,请注明 k2-fsa OmniVoice;随附的 Higgs 音频分词器还要求展示 "Built with Higgs Materials licensed from Boson AI USA, Inc." 并附上 Meta Llama 3 声明,以及一个包含这两份许可的 Notice 文件。
  • 作者禁止未经授权的音色克隆、冒充他人、欺诈和诈骗;分词器的许可还附加了 Meta Llama 3 可接受使用政策。
  • Higgs 分词器的许可禁止用它来改进其他大语言模型,并且在年活跃用户超过 100,000 时需要扩展许可。

你有责任遵守所下载模型的许可。所有文件都从 Hugging Face 下载。AI Game Dev 不托管这些文件。

版本

OmniVoice(语音模型,非商用) 的发布版本
版本发布时间需要应用
1.0.2最新0.32.0-beta.6 或更高版本
1.0.10.32.0-beta.6 或更高版本

安装

在桌面应用中安装

打开包窗口(状态栏中的包图标),选择浏览,搜索 aigd.tts-omnivoice,然后点击添加到项目。

还没安装应用?免费下载 AI Game Dev,支持 Windows、macOS 和 Linux。

从终端安装

在项目文件夹中使用 gamedev CLI:

gamedev pkg add aigd.tts-omnivoice

环境要求

  • AI Game Dev 0.32.0-beta.6 或更高版本

进一步了解包

安装
gamedev pkg add aigd.tts-omnivoice