语音克隆（一）：用 OmniVoice 克隆任意声音
想让 AI 用你的声音说话？只需要一段 3 到 10 秒的录音，OmniVoice 就能克隆你的声音，说出任意文字。 OmniVoice 是什么 OmniVoice 是小米 / k2-fsa 团队开发的开源零样本 TTS 模型，支持 600+ 种语言，基于扩散语言模型架构，推理速度极快（RTF 最低 0.025，比实时快 40 倍）。 支持三种模式： 语音克隆：提供参考音频，克隆声音说出任意文字 语音设计：用文字描述声音（性别、年龄、音调、口音等） 自动语音：模型自动选择声音 环境准备 安装 conda 环境 conda create -n omnivoice python=3.11 -y conda activate omnivoice 安装 PyTorch # Apple Silicon pip install torch==2.8.0 torchaudio==2.8.0 # NVIDIA GPU（以 CUDA 12.8 为例） pip install torch==2.8.0+cu128 torchaudio==2.8.0+cu128 --extra-index-url https://download.pytorch.org/whl/cu128 安装 OmniVoice git clone https://github.com/k2-fsa/OmniVoice.git cd OmniVoice pip install -e . 下载模型 第一次运行会自动下载。如果在国内连不上 HuggingFace，设置镜像： ...