OmniVoice

OmniVoice 是一个支持600多种语言的高质量零样本语音克隆与文本转语音（TTS）系统。其核心基于扩散语言模型风格架构，实现极快推理速度（RTF低至0.025），支持仅需几秒语音样本的零样本语音克隆、细粒度语音设计（如性别、年龄、口音、语调等控制）以及非言语符号（如[laughter]）和发音校正（通过拼音/音素）。适用于多语言内容生成、无障碍服务、本地化配音及个性化语音交互等场景。