OmniVoice
k2-fsa/OmniVoiceAI 已审核
RepoPicks Radar 检查于
OmniVoice 是什么?
OmniVoice是一个你自己运行的文本转语音模型。给它3到10秒某人说话的音频,它就能用那个声音朗读你的文本;或者你可以描述一个声音(女性、低音调、英式口音),它会凭空造出一个。它能加入笑声或叹息,还能修正发音。它运行在NVIDIA、Apple Silicon或Intel Arc显卡上,有一个从终端启动的简单网页;作者还提供一个免费的在线演示,不用安装任何东西就能试用。免费且采用Apache-2.0许可,600多种语言的说法来自作者自己的论文。
OmniVoice 免费开源(Apache-2.0),可以替代 ElevenLabs和Descript。
OmniVoice 安装有多容易?
A · 下载即用 · Web
- Windows D
- macOS D
- Linux D
- Web A
最简单的使用方式是网页:作者维护着一个免费的Hugging Face Space(还有一个Google Colab笔记本),你打开页面输入文字就行,这就是为什么网页是A级。在这三个系统上安装都是D级:你需要创建Python环境,为你具体的显卡安装对应的PyTorch版本(NVIDIA用CUDA 12.8的wheel包,Intel Arc用单独的索引,Mac用Apple Silicon版本),然后执行`pip install omnivoice`,再从终端运行`omnivoice-demo`。
OmniVoice 的 GitHub 数据
- 星标
- 16,4802026年11月10日
- 下载量
- —所有发布版本
- 增长
- +1926 天内新增星标
星标变化
事实
- 可运行于
- Windows, macOS, Linux, Web
- 需要安装
- Python, NVIDIA 显卡
- 从源码编译需要
- Python, NVIDIA 显卡
- 磁盘空间
- 950 MB–4.3 GB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 软件免费,模型权重也免费。成本在于你自己的硬件:一块显卡,以及下载模型所需的大约1到4.5 GB磁盘空间。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- ElevenLabs, Descript
- GitHub 上的最近改动
- 2026年8月24日
OmniVoice 的风险信号 (6)
- 注意语音克隆可以冒充他人
README.md的Disclaimer:"Users are strictly prohibited from using this model for unauthorized voice cloning, voice impersonation, fraud, scams, or any other illegal or unethical activities." 这个工具能从一段3到10秒的录音克隆出声音,所以只要你有某人的录音,就能复刻出他的声音,代码里没有任何地方会检查是否获得同意。
AI 审核
- 注意本地网页演示会对网络开放
文档里给出的命令是`omnivoice-demo --ip 0.0.0.0 --port 8001`(README.md的Quick Start和Command-Line Tools部分)。绑定到0.0.0.0意味着你网络里的每台设备都能打开这个声音克隆页面,而且没有提到任何密码。
AI 审核
- 信息首次运行时会下载模型
`OmniVoice.from_pretrained("k2-fsa/OmniVoice")`会在第一次运行时从Hugging Face获取权重,如果你省略了`ref_text`,它还会下载一个Whisper模型来转录你的参考音频。检查结果估算磁盘占用在950 MB到4450 MB之间。
AI 审核
- 信息建议使用第三方下载镜像
README.md建议用`export HF_ENDPOINT="https://hf-mirror.com"`来下载模型,用`uv sync --default-index "https://mirrors.aliyun.com/pypi/simple"`来下载软件包。两者都会把下载请求导向一个不是官方来源的镜像站。
AI 审核
- 信息质量方面的说法来自作者自己
"600+ languages"、"state-of-the-art"以及速度数字都来自作者自己的README和论文(arXiv:2604.00688)。README自己也提醒,声音设计"is trained on Chinese and English data only","may produce unstable results for some low-resource languages",而跨语言克隆会带上参考声音的口音。
AI 审核
- 信息早期版本的研究代码
版本0.2.1,共有六个发行版,最新的发布于2026-07-16,确定性检查记录的最近一次提交是在2026-08-24,也就是检查时的71天前。pyproject.toml把目标用户列为"Science/Research"和"Developers"。
AI 审核
证据以原始语言显示。
Radar 无法验证的 OmniVoice 相关内容
- 克隆出来的声音在你的语言里听起来怎么样,尤其是中文和英文之外的语言
- 在没有显卡的电脑上它是否能正常使用,速度会有多慢
- 下载模型和Whisper转录器之后的实际磁盘和内存占用
- 托管的在线演示是否会一直可用,它对你上传的音频做了什么处理
- 速度数据在基准测试所用的H100显卡之外是否依然成立