小米 AI 实验室推出 OmniVoice：覆盖数百语种的顶尖语音合成模型

小米 AI 实验室旗下 Kaldi 团队全新推出 OmniVoice 语音合成模型，不仅在中英文场景表现顶尖，更覆盖数百语种，是业内首个支持多语言语音克隆的 TTS 模型。该模型在低资源小语种上泛化能力极强，几乎所有语种都能合成高质量语音。

OmniVoice 采用极简架构，仅用一个双向 Transformer 网络直接实现文本转语音，省去多余环节。训练效率惊人，一天可完成 10 万小时训练，PyTorch 推理速度达 40 倍实时，适配各类场景。即便小语种训练数据不足 10 小时，也能生成高质量语音。

此外，它还具备实用功能：无需参考音频，描述音色属性即可生成对应声音；自动过滤噪声，克隆嘈杂环境下的清晰语音；支持笑声等语气符号，让合成更自然；可纠正多音字和专有名词发音错误。