本頁面由英文機器翻譯而成。閱讀英文原文。

OmniVoice(語音模型,非商業)

官方音訊GPUv1.0.2aigd.tts-omnivoice
安裝 還沒安裝應用程式?免費下載
或在終端機中執行
gamedev pkg add aigd.tts-omnivoice
在你的電腦上執行。 只需下載一次模型,之後便在這台電腦的 GPU 上生成。

總覽

k2-fsa 的 OmniVoice,在本機執行:支援 600 種以上語言的文字轉語音,可使用它自己的預設語音,或從一段片段及其轉錄文字複製聲音。適合非商業專案中的冷門語言。搭配 audio.cpp 在 GPU 上效果最好。非商業授權(CC-BY-NC)。

OmniVoice 是 k2-fsa 的文字轉語音模型,支援 600 多種語言,可使用其預設語音,或使用從一段音訊片段及其逐字稿複製而來的聲音。在 AI Game Dev 中,它會透過 本機音訊生成(aigd.audiocpp、audio.cpp)在你的電腦上執行,在 GPU 上效果最好。其授權條款為非商業性(CC-BY-NC),因此適合研究、原型、模組與個人專案,尤其是當你需要其他語音模型未涵蓋的語言時。

你可以製作的內容

  • 供非商業專案使用的稀有語言與低資源語言語音台詞。
  • 使用從 3–30 s 音訊片段及其逐字稿複製的聲音來呈現對白。
  • 以預設語音為多語言原型製作旁白。

範例要求

  • 「用預設語音以泰語朗讀村中長老的台詞。」
  • 「複製 Audio/ref/guide.wav(逐字稿在 guide.txt 中)的聲音,並用烏克蘭語說出歡迎台詞。」
  • 「用印尼語和波蘭語為教學內容配音。」

重點特色

模型 IDaigd.tts-omnivoice.q8-0
語言600+;應用程式會列出常見的語言:en、zh、ja、ko、de、fr、es、it、pt、ru、ar、hi、tr、nl、pl、vi、th、id、uk、sv
語音預設語音,或從 3–30 s 音訊片段及其逐字稿複製的聲音
輸出24 kHz
每次要求的文字量最多 2,000 個字元
執行於約 4 GB 的 GPU(估計):NVIDIA(CUDA)、Vulkan 或 Mac(Metal);CPU 也可運作,但速度較慢
下載1.35 GB,1 個檔案
授權條款CC-BY-NC:僅限非商業使用

運作方式

此套件僅包含資料:它會列出模型檔案名稱。在你接受授權條款後,應用程式會從 Hugging Face 下載這些檔案,並以 sha256 逐一檢查,然後在你的電腦上透過 本機音訊生成(aigd.audiocpp、audio.cpp)執行它們。

下載

  • OmniVoice(aigd.tts-omnivoice.q8-0):1.35 GB,1 個檔案來自 audio-cpp/audio.cpp-gguf,並鎖定在該 commit。

適用電腦

在 GPU(約 4 GB)上效果最好;在 CPU 上也可運作,但速度較慢。

語音與語言

  • OmniVoice:語言包含 en、zh、ja、ko、de、fr、es、it、pt、ru、ar、hi、tr、nl、pl、vi、th、id、uk、sv;可從一段音訊片段及其逐字稿進行聲音複製。

OmniVoice 在 2026-07-03 之前採用 Apache-2.0,後來其作者因為訓練資料的緣故,將權重變更為 CC-BY-NC。其程式碼仍維持 Apache-2.0。GGUF 內的音訊 tokenizer 來自 bosonai/higgs-audio-v2-tokenizer(Boson Higgs Audio 2 Community License)。

授權條款

CC-BY-NC。僅限非商業使用。 權重採用 CC-BY-NC(非商業性,需標示出處),原因是其訓練資料;程式碼則為 Apache-2.0。

  • k2-fsa 的 OmniVoice:模型卡,CC-BY-NC;授權條款文本:CC-BY-NC。
  • 此套件的每個檔案都來自 audio-cpp/audio.cpp-gguf:CC-BY-NC(上游授權條款;audio.cpp 的轉換版本,其中包含 Higgs Audio v2 tokenizer)。audio.cpp 各模型系列的授權條款表:model_licenses.md。
  • Higgs Audio v2 tokenizer(位於 GGUF 內):Boson Higgs Audio 2 Community License(來源)。

必要署名:"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:

  • 僅限非商業使用(CC-BY-NC,自 2026-07-03 起)。
  • 如果你分享此模型,請標註 k2-fsa OmniVoice;隨附的 Higgs audio tokenizer 還要求顯示 "Built with Higgs Materials licensed from Boson AI USA, Inc." 與 Meta Llama 3 聲明,並附上包含兩份授權條款的 Notice 檔案。
  • 作者禁止未經授權的聲音複製、冒充、詐欺與詐騙;tokenizer 的授權條款另外納入 Meta Llama 3 Acceptable Use Policy。
  • Higgs tokenizer 的授權條款禁止用它來改善另一個大型語言模型,且每年活躍使用者超過 100,000 名時需要取得擴充授權。

你有責任遵守所下載模型的授權條款。所有檔案都從 Hugging Face 下載。AI Game Dev 不託管這些檔案。

版本

OmniVoice(語音模型,非商業) 的發布版本
版本發布日期需搭配應用程式
1.0.2最新0.32.0-beta.6 或更新版本
1.0.10.32.0-beta.6 或更新版本

安裝

在桌面應用程式中

開啟 套件 視窗(狀態列上的套件圖示),選擇 瀏覽,搜尋 aigd.tts-omnivoice,然後點選 加到專案。

還沒安裝應用程式?免費下載 AI Game Dev,支援 Windows、macOS 與 Linux。

從終端機

在你的專案資料夾中,使用 gamedev CLI:

gamedev pkg add aigd.tts-omnivoice

需求

  • AI Game Dev 0.32.0-beta.6 或更新版本

進一步瞭解套件

安裝
gamedev pkg add aigd.tts-omnivoice