标签: 语音合成

清除筛选

VoiceStudio:本地开源语音工作台拆解,OmniVoice 引擎让 600 种语言 40 倍速克隆声音

一个 2026 年 4 月才创建的 GitHub 仓库,现在每天还在以两千多 star 的速度增长。VoiceStudio 是一个完全本地运行的语音工作台:克隆声音、按文字描述设计声音、给视频配音、录音转文字、批量产出有声书,全部在自己机器上完成,不依赖任何云端 API。它 73,225 个 star 的背后,有一个常被忽略的技术事实:真正干活的引擎是 k2…

小米开源 OmniVoice:646 语种零样本语音克隆 TTS

小米 AI 实验室 k2-fsa 团队(新一代 Kaldi)开源了 OmniVoice,一个支持 646 种语言的零样本文本转语音(TTS)模型。代码和预训练权重已分别发布在 GitHub 和 HuggingFace 上,采用 Apache-2.0 协议。 核心亮点 语言覆盖最广:基于 50 个开源数据集构建的 58.1 万小时训练集,覆盖 646 种语言,…

通义开源影视级配音大模型 Fun-CineForge,关键变化是把“时间”也做进了模型

通义实验室发布并开源了影视配音模型 Fun-CineForge。按官方介绍,它面向独白、旁白、对话、多说话人等多种影视场景,底层基于 CosyVoice3 的语音合成能力构建;对应论文也已上线 arXiv。 这条消息真正值得看的,是这套模型把“时间”当成了一个单独的模态来处理。 为什么“时间模态”这件事重要 传统配音模型更常依赖文本、参考音色和可见嘴型去做音…