OmniVoice
k2-fsa/OmniVoiceRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es OmniVoice?
OmniVoice es un modelo de texto a voz que corres tú mismo. Le das de 3 a 10 segundos de alguien hablando y lee tu texto con esa voz, o en cambio describes una voz (femenina, tono bajo, acento británico) y la inventa. Puede agregar risas o suspiros y corregir pronunciaciones. Corre en un chip gráfico NVIDIA, Apple Silicon o Intel Arc, con una página web simple que se abre desde la terminal; los autores también mantienen una demo gratuita en línea que puedes probar sin instalar nada. Gratis y Apache-2.0, con una afirmación de más de 600 idiomas que viene del artículo de los autores.
OmniVoice es gratis y de código abierto (Apache-2.0) y puede reemplazar a ElevenLabs y Descript.
¿Qué tan fácil es instalar OmniVoice?
A · descarga y abre · Web
- Windows D
- macOS D
- Linux D
- Web A
La forma más fácil de entrar es la web: los autores mantienen un Hugging Face Space gratuito (y un notebook de Google Colab), así que abres una página y escribes texto, por eso la web es A. Instalarlo es D en los tres sistemas: creas un entorno de Python, instalas la compilación correcta de PyTorch para tu chip gráfico exacto (wheels de CUDA 12.8 para NVIDIA, un índice separado para Intel Arc, Apple Silicon para Macs), y luego `pip install omnivoice` y ejecutas `omnivoice-demo` desde la terminal.
OmniVoice en GitHub
- Estrellas
- 16.480el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +192estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux, Web
- Necesitas instalar
- Python, Tarjeta NVIDIA
- Para compilar desde el código
- Python, Tarjeta NVIDIA
- Espacio en disco
- 950 MB–4,3 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · Software gratis y pesos del modelo gratis. El costo es tu propio hardware: una tarjeta gráfica y entre 1 y 4.5 GB de disco para el modelo descargado.
- Licencia
- Apache-2.0 (Permisiva)
- Puede reemplazar
- ElevenLabs, Descript
- Último cambio en GitHub
- 24 ago 2026
Señales de riesgo de OmniVoice (6)
- AtenciónLa clonación de voz puede suplantar a personas
Disclaimer del README.md: "Users are strictly prohibited from using this model for unauthorized voice cloning, voice impersonation, fraud, scams, or any other illegal or unethical activities." La herramienta clona una voz a partir de un clip de 3 a 10 segundos, así que puede copiar a cualquiera cuya grabación tengas, y nada en el código verifica el consentimiento.
revisión con IA
- AtenciónLa demo web local se abre a la red
El comando documentado es `omnivoice-demo --ip 0.0.0.0 --port 8001` (Quick Start y Command-Line Tools del README.md). Vincularse a 0.0.0.0 significa que cualquier dispositivo en tu red puede abrir la página de clonación de voz, y no se menciona ninguna contraseña.
revisión con IA
- InfoDescarga modelos en la primera ejecución
`OmniVoice.from_pretrained("k2-fsa/OmniVoice")` trae los pesos desde Hugging Face la primera vez, y cuando omites `ref_text` también descarga un modelo Whisper para transcribir tu audio de referencia. Las revisiones estiman entre 950 MB y 4450 MB de disco.
revisión con IA
- InfoSugiere espejos de descarga de terceros
El README.md sugiere `export HF_ENDPOINT="https://hf-mirror.com"` para las descargas de modelos y `uv sync --default-index "https://mirrors.aliyun.com/pypi/simple"` para los paquetes. Ambos encaminan la descarga por un espejo que no es la fuente oficial.
revisión con IA
- InfoLas afirmaciones de calidad son de los propios autores
Las cifras de "600+ languages", "state-of-the-art" y velocidad vienen del propio README y del artículo de los autores (arXiv:2604.00688). El propio README advierte que el diseño de voz "is trained on Chinese and English data only" y "may produce unstable results for some low-resource languages", y que la clonación entre idiomas conserva el acento de la voz de referencia.
revisión con IA
- InfoVersión temprana, código de investigación
Versión 0.2.1 con seis lanzamientos, el más nuevo del 2026-07-16, y las revisiones deterministas registran el último commit el 2026-08-24, 71 días antes de la revisión. pyproject.toml lista el público como "Science/Research" y "Developers".
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de OmniVoice
- Qué tan bien suena la voz clonada en tu idioma, especialmente fuera del chino y el inglés
- Si funciona de forma útil en una computadora sin tarjeta gráfica, y qué tan lento es eso
- El uso real de disco y memoria después de descargar el modelo y el transcriptor Whisper
- Si la demo en línea alojada sigue disponible y qué hace con el audio que subes
- Si las cifras de velocidad se mantienen en algo distinto a la tarjeta H100 usada en la referencia