小米最新开源的 OmniVoice 语音克隆模型支持 600 多种语言，在中英文测试中达到 SOTA 水平，合成效率比实时快 40 倍。
📝 详细摘要
小米发布并开源了名为 OmniVoice 的语音克隆 TTS 模型。该模型采用扩散语言模型风格的离散非自回归架构，实现了从文本到语音的一步到位生成。关键指标显示，其在 Seed-TTS 测试集上的 WER 仅为 0.84%，性能超过 ElevenLabs v2。模型支持 3-10 秒音频克隆、非语言符号（如笑声）以及通过描述属性生成声音，对小语种保护具有重要意义。
📊 文章信息
AI 评分：86
来源：AIGCLINK(@aigclink)
作者：AIGCLINK
分类：人工智能
语言：中文
阅读时间：2 分钟
字数：406
标签： OmniVoice, 小米开源, TTS, 语音克隆, SOTA