# OmniVoice（語音模型，非商業）

> 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）。

- ID: `aigd.tts-omnivoice`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.0.2 (發佈於 2026-11-22)
- 授權條款: SEE LICENSE IN README.md
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.tts-omnivoice

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

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 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

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

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 ID | `aigd.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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3)，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](https://huggingface.co/k2-fsa/OmniVoice)，CC-BY-NC；授權條款文本：[CC-BY-NC](https://huggingface.co/k2-fsa/OmniVoice#license)。
- 此套件的每個檔案都來自 [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)。
- Higgs Audio v2 tokenizer（位於 GGUF 內）：Boson Higgs Audio 2 Community License（[來源](https://huggingface.co/k2-fsa/OmniVoice/blob/3fc979d1cd72492cd679c5ac2611e0d7ac047ba1/audio_tokenizer/LICENSE)）。

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。
````
