小米OmniVoice震撼发布：语音克隆技术覆盖数百语种，性能超越商用系统！
创始人
2026-05-07 18:33:42
0次
5月7日，小米AI实验室新一代Kaldi团队宣布推出OmniVoice，一款覆盖数百语种的语音克隆TTS模型。该模型在中英文场景中达到顶尖性能，并在多语言任务中展现出超越商用系统的实力。OmniVoice以其极简的模型架构为特点，仅用一个双向Transformer网络实现文本到语音的转化，省去了多余的结构和环节，是目前最简单的非自回归TTS模型。
OmniVoice在训练和推理速度上具有显著优势，一天内可完成10万小时的训练，并在PyTorch推理中达到40倍实时速度，适配各类应用场景。其背后的两项关键设计包括全码本随机掩蔽策略，提升训练效率和模型能力；以及引入大语言模型作为预训练参数，有效利用大语言模型，提升语音合成的可懂度，解决“读不准”的问题。
在多语言测试中，OmniVoice即使仅基于开源数据训练，也能在24语种测试中超越多款商用系统，在102种语种测试中逼近甚至优于真实语音的可懂度。对于训练数据不足10小时的小语种，OmniVoice同样能实现高质量的语音合成，降低低资源语种的语音合成门槛。此外，该模型还具备自定义音色设计、带噪参考音频适配、丰富语气表达和发音精准纠正等多项实用功能。
相关内容
热门资讯
视频丨216国道抢通已推进至核...
8月26日上午，因尼泊尔一侧发生泥石流灾害，造成西藏日喀则市吉隆县吉隆口岸重大人员伤亡、失联。抢险救...
半小时就能配齐一台机器人，深圳...
编者按：健康完备的经济生态，是推动高质量发展的重要保障。即日起，南方日报、南方+推出“解码广东经济生...
两宫超1.2万个学位！广州天河...
有剧场、科技馆、体育馆美术馆、书画室、艺创工坊……天河区少年宫新宫 （下称“天河区少年宫”）将于今年...
视频丨西藏吉隆县泥石流灾害抢险...
西藏吉隆县泥石流灾害抢险救援进入第7天。今天（9月1日）上午9时55分，西藏自治区在日喀则市公安局吉...
数智赋能黔山田：从“云端”算力...
近日，2026中国国际大数据产业博览会(简称“数博会”)在贵阳正式拉开帷幕。在这场以“词元——数据要...
8月深圳楼市持续稳固向好 二手...
8月，全市新建商品住宅和二手住宅合计成交6864套，同比增长8.5%，国家统计局发布的一、二手住宅销...
9月5日起，广州黄埔新增设多个...
@黄埔街坊9月5日起黄埔新增设多个公交车站8月30日，广州市交通运输局官网发布《关于优化公共汽车南海...
开学第一课丨我国运载火箭为啥叫...
今年，是中国共产党成立105周年，中国工农红军长征胜利90周年。在中国共产党百余年奋斗历程中，长征，...
新华鲜报|一树扎根沙地 “赛考...
“故事永远不会结束。”9月1日，北京首都国际机场。返程前，美国友人“赛考斯”（本名罗纳德·萨科尔斯基...
各地学校举办丰富多彩“开学第一...
央视网消息：这两天，全国中小学陆续迎来新学期。各地以主题鲜明、形式多样的“开学第一课”，引导学生们厚...