# OmniVoice（语音模型，非商用）

> 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）。

- ID: `aigd.tts-omnivoice`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: SEE LICENSE IN README.md
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.tts-omnivoice

## 安装

使用 gamedev CLI，在项目文件夹中运行：

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

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.tts-omnivoice`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

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

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 ID | `aigd.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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3)，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](https://huggingface.co/k2-fsa/OmniVoice)，CC-BY-NC；许可文本：[CC-BY-NC](https://huggingface.co/k2-fsa/OmniVoice#license)。
- 本包的每个文件都来自 [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)。
- Higgs Audio v2 分词器（位于 GGUF 内）：Boson Higgs Audio 2 Community License（[来源](https://huggingface.co/k2-fsa/OmniVoice/blob/3fc979d1cd72492cd679c5ac2611e0d7ac047ba1/audio_tokenizer/LICENSE)）。

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。
````
