镜像名称

小米AI语音OmniVoice，声音克隆，支持声音设计，TTS，声音克隆

镜像简介

• 小米AI语音OmniVoice，支持 600+ 种语言的先进文本转语音模型，支持声音设计，万字长文不在话下，生成速度超越所有的TTS模型！
• 速度和语种覆盖的双料怪物。0.8B 参数，采用单阶段扩散语言模型 + 双向 Transformer 的非自回归架构，直接从文字映射到声学 token，是目前最简单的非自回归 TTS 之一。首次实现 600 种以上语言的语音克隆支持，训练集覆盖 646 种语种、58.1 万小时。PyTorch 推理可达 40 倍实时，中文 WER 低至 0.84%。

配置方法

1. 该镜像初始化后，需要等待服务启动，大概 3 分钟左右。
2. 启动后点击按钮 “YZY启动器” 或者 “9000” 直接访问服务。
3. 首次生成加载模型比较耗时。
4. 服务运行日志查询，可以输入命令 tail -f /start.d/log/*
5. 输出目录：/root/OmniVoice/outputs

视频教程

详细步骤，可在 哔哩哔哩 余子越Talk 博主页面搜索 小米 OmniVoice 观看视频教程！

相关链接

• 项目地址： OmniVoice
• 视频教程： 哔哩哔哩 余子越Talk 主页搜索 小米OmniVoice

效果截图

常见问题