k2-fsa/OmniVoice
OmniVoice 🌍 OmniVoice is a massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it delivers high-quality speech w...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Ngày
#1 Repository Của Ngày
#1 Repository Của Ngày
🌍 OmniVoice: TTS zero-shot đa ngôn ngữ siêu cỡ với kiến trúc diffusion language model
OmniVoice hỗ trợ hơn 600 ngôn ngữ, kết hợp clone giọng nói và thiết kế giọng nói chỉ từ một đoạn audio ngắn.
OmniVoice là một mô hình chuyển đổi văn bản thành giọng nói (TTS) zero-shot hỗ trợ hơn 600 ngôn ngữ. Dựa trên kiến trúc diffusion language model mới lạ, nó mang lại chất lượng giọng nói cao và tốc độ suy diễn nhanh, đồng thời hỗ trợ sao chép giọng nói (voice cloning) và thiết kế giọng nói (voice design).
✨ Điểm nổi bật
- Hỗ trợ 600+ ngôn ngữ: Phạm vi ngôn ngữ rộng nhất trong các mô hình TTS zero-shot.
- Sao chép giọng nói: Chất lượng clone giọng từ audio tham chiếu ngắn.
- Thiết kế giọng nói: Tùy chỉnh phong cách giọng nói theo nhu cầu.
- Tốc độ suy diễn nhanh: Kiến trúc diffusion tối ưu cho hiệu suất.
- Zero-shot: Không cần huấn luyện lại cho ngôn ngữ hoặc giọng mới.
💡 Vì sao đáng chú ý
OmniVoice khác biệt nhờ kiến trúc diffusion language model, giúp cân bằng giữa chất lượng giọng nói và tốc độ suy diễn. Với khả năng hỗ trợ hơn 600 ngôn ngữ, đây là giải pháp lý tưởng cho các ứng dụng đa ngôn ngữ, từ giáo dục đến giải trí. Thích hợp cho những ai cần tạo giọng nói tự nhiên mà không cần dữ liệu huấn luyện lớn.
#OmniVoice #TextToSpeech #ZeroShot #Multilingual #VoiceCloning #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
OmniVoice Vietnamese — Fine-tuned for Vietnamese Speech Synthesis Fine-tuned version of OmniVoice(https://huggingface.co/k2-fsa/OmniVoice) on 1,000 hours of high-quality Vietnamese speech data, optimized for Vietnamese voice cloning and text-to-spee...
OmniVoice-bf16 🌍 BF16 quantized version of k2-fsa/OmniVoice(https://huggingface.co/k2-fsa/OmniVoice). !Screenshot 2026-04-02 203949(https://cdn-uploads.huggingface.co/production/uploads/63473b59e5c0717e6737b872/iCeCjyFAAl7qFPRpvCiTb.png) Original M...
لهجتنا — Arabic Dialect Text-to-Speech Model Model Summary لهجتنا is an open Arabic Text-to-Speech (TTS) model designed to generate natural-sounding speech across Arabic dialects. The goal of لهجتنا is to create a unified speech model capable of rep...
GlotLID !GlotLID(https://img.shields.io/badge/🤗-Open%20In%20Spaces-blue.svg)(https://huggingface.co/spaces/cis-lmu/glotlid-space) Description GlotLID is a Fasttext language identification (LID) model that supports more than 2000 labels. Latest: Glo...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
NLLB-200 This is the model card of NLLB-200's distilled 600M variant. Here are the metrics(https://tinyurl.com/nllb200densedst600mmetrics) for that particular checkpoint. - Information about training algorithms, parameters, fairness constraints or o...
NLLB-200 This is the model card of NLLB-200's 3.3B variant. Here are the metrics(https://tinyurl.com/nllb200dense3bmetrics) for that particular checkpoint. - Information about training algorithms, parameters, fairness constraints or other applied ap...
Model Card for MADLAD-400-3B-MT Table of Contents 0. TL;DR(TL;DR) 1. Model Details(model-details) 2. Usage(usage) 3. Uses(uses) 4. Bias, Risks, and Limitations(bias-risks-and-limitations) 5. Training Details(training-details) 6. Evaluation(evaluatio...