OmniVoice开源多语言零样本文本转语音工具库 - 支持600+语言声音克隆与语音合成

OmniVoice是由k2-fsa开源的 massively multilingual zero-shot TTS模型与配套工具库，核心定位是解决多语言场景下的高保真语音合成需求，基于扩散语言模型风格架构设计，原生支持600+语言覆盖，是当前零样本TTS模型中语言覆盖最广的方案之一。 除基础文本转语音能力外，OmniVoice还支持零样本声音克隆、声音属性定制（性别、年龄、音高、口音、气声等）、非语言符号（如[ laughter ]）与拼音/音素发音校正等扩展能力，推理实时率（RTF）最低可达0.025，速度是实时合成的40倍。 项目适用于多语言内容配音、人声克隆复刻、有声书/短视频语音生成、小语种语音合成、语音助手音色定制等多类场景。 仓库提供从训练、微调到推理评估的全流程工具链，支持Python API、命令行工具、LoRA微调等多种使用方式，数据采用WebDataset格式存储，支持降噪、噪声增强等高级预处理，适配NVIDIA CUDA、Apple Silicon、Intel Arc XPU三类硬件，社区生态已衍生出多种第三方集成与部署方案。