OmniVoice : des voix IA réalistes
en 646 langues
OmniVoice lit n'importe quel script naturellement, copie une voix à partir d'un court extrait et invente de nouveaux locuteurs à partir de texte brut — un seul modèle, 646 langues.
[ Fonctionnalités ]
Tous les outils dont vos projets vocaux ont besoin
Synthèse vocale en 646 langues
Collez un script et OmniVoice renvoie un audio clair et naturel en quelques secondes. Un seul modèle partagé couvre toutes les langues — rien à changer.
Clonage de voix instantané
Importez un enregistrement de 3 à 25 secondes. Le ton, l'accent et le rythme sont captés, puis réutilisés dans n'importe quelle langue sans entraînement.
Concevez une voix avec des mots
Pas besoin de microphone. Indiquez l'âge, la hauteur, l'accent et le débit, et un locuteur correspondant apparaît à partir de cette description.
Émotion et signaux non verbaux
Saisissez des balises comme [laughter] ou [sigh] dans le texte. Omnivoice les interprète au bon endroit, comme le font de vraies personnes qui parlent.
[ Synthèse vocale ]
Synthèse vocale avec Omnivoice
Un seul modèle lit le texte à voix haute en 646 langues — l’anglais et le japonais, mais aussi le gallois, le swahili et le tok pisin. Curieux d’entendre le résultat ? Lancer le générateur de parole.
Un seul moteur. Toutes les langues.
- ✓646 langues traitées par un seul modèle
- ✓Rythme naturel dans les langues majeures et à faibles ressources
- ✓Contrôle de la prononciation pour l’anglais et le japonais
- ✓Débit de parole réglable de 0.5× à 2.0×
[ Clonage vocal ]
Copiez n’importe quelle voix — aucune étape d’entraînement
Omnivoice effectue le clonage en zero-shot : importez un court extrait de référence et obtenez aussitôt de nouvelles paroles dans cette même voix, sans fine-tuning.
Transcription
Enregistrez avec votre micro ou déposez un fichier audio.
Accepte PCM / WAV / MP3 / FLAC / OPUS
Un échantillon en entrée, un locuteur en sortie.
- ✓Audio de référence à partir de seulement 3 secondes
- ✓Whisper ASR transcrit automatiquement le clip
- ✓Clonage interlingue sur les 646 langues
- ✓Reste stable sur des prises bruitées et imparfaites
[ Conception de voix ]
Laissez le micro. Écrivez la voix que vous voulez.
La conception de voix crée un locuteur sur mesure à partir de simples mots. Précisez l'âge, la hauteur, l'accent et le style, et Omnivoice génère aussitôt une voix adaptée.
DÉMO
Transcription
Choisissez un préréglage à gauche pour charger des lignes d’exemple et une invite de départ.
Invite
[ Vitrine ]
Là où les équipes mettent Omnivoice à contribution
Des livres audio aux répliques dans le jeu, Omnivoice offre aux équipes un contenu vocal naturel pour de nombreux types de produits et de pipelines.
[ Avantages ]
Pourquoi Omnivoice se démarque
Une large couverture linguistique, une correspondance vocale fidèle et une inférence rapide, réunies dans une seule stack prête pour la production.
646 langues, un seul modèle
ElevenLabs propose 32 langues et PlayHT 132. Omnivoice atteint 646 langues, dont des centaines de langues peu dotées que d’autres ignorent.
Moins d’erreurs de mots
Sur un benchmark de 24 langues, le modèle a obtenu un taux d’erreur de mots de 2.85% contre 10.95% pour ElevenLabs — moins de reprises, une écoute plus nette.
Réf. arXiv 2604.00688 (Tableau 3)
Meilleure correspondance de locuteur
La similarité de locuteur (SIM-o) atteint 0.830 contre 0.655 pour ElevenLabs, de sorte qu’une voix clonée sonne comme la personne réelle.
Réf. arXiv 2604.00688 (Tableau 3)
Une vitesse conçue pour la production
L’inférence par lots s’exécute à un RTF de 0.022 — une minute d’audio en environ 1.3 secondes. Rapide pour les applications en direct, évolutive pour les traitements en masse.
Clonage interlingue
Enregistrez une voix en anglais, puis écoutez-la parler japonais, arabe ou swahili. Aucun échantillon supplémentaire par langue.
Architecture en une seule passe
De nombreuses architectures TTS enchaînent texte → sémantique → audio et accumulent les erreurs. Omnivoice passe du texte à l’audio en une seule étape.
[ Comparaison ]
Omnivoice côte à côte
Découvrez comment Omnivoice se compare en matière de couverture linguistique, d’ouverture et de fonctionnalités vocales essentielles.
| Fonctionnalité | Omnivoice | ElevenLabs | PlayHT |
|---|---|---|---|
| Langues | 646 | 32 | 132 |
| WER multilingue | 2.85% | 10.95% | — |
| Similarité du locuteur | 0.830 | 0.655 | — |
| Poids ouverts | Oui | Non | Non |
| Auto-hébergement | Apache 2.0 | Non | Non |
| Conception de voix à partir de texte uniquement | Oui | Non | Non |
| Clonage interlingue | Oui | Limité | Non |
| Vitesse d'inférence | ~45× temps réel | — | — |
* Chiffres WER et SIM-o : arXiv 2604.00688, tableau 3, 24 langues.
[ FAQ ]
Questions et réponses
Des réponses courtes sur le modèle, ses fonctionnalités et pour bien démarrer.
Qu'est-ce qu'OmniVoice ?
OmniVoice est un modèle vocal IA open source pour 646 langues. Il lit le texte à voix haute, clone des voix à partir de courts extraits et crée des locuteurs à partir de descriptions. L'équipe k2-fsa l'a entraîné sur environ 581,000 heures de données de parole ouvertes.
Puis-je exécuter le modèle moi-même ?
Oui. Les poids sont distribués sous Apache 2.0, vous pouvez donc héberger OmniVoice sur votre propre matériel ou utiliser un outil hébergé pour éviter la configuration.
Combien de langues sont couvertes ?
646 — les grandes comme l'anglais, le japonais, l'espagnol et l'arabe, plus des centaines de langues à faibles ressources que la plupart des outils TTS ignorent.
Comment fonctionne le clonage ?
Fournissez une référence de 3–25 secondes et le profil du locuteur est extrait immédiatement, sans entraînement. Cette voix peut ensuite parler n'importe quelle langue prise en charge.
Comment se compare-t-il à ElevenLabs ?
Dans un test sur 24 langues, OmniVoice a obtenu 2.85% de WER contre 10.95% et une similarité de 0.830 contre 0.655, sur 646 langues au lieu de 32.
À quoi sert Voice Design ?
Il crée une voix sans entrée audio. Décrivez-la — « voix masculine, chaleureuse, accent irlandais, enjouée » — et un locuteur correspondant est généré.
L'utilisation commerciale est-elle autorisée ?
Apache 2.0 l'autorise, et l'entraînement n'a utilisé que des jeux de données open source, ce qui simplifie les licences.
Ai-je besoin d'un GPU ?
Il fonctionne sur NVIDIA (CUDA 12.8), Apple Silicon et CPU. Un GPU est conseillé pour la production — un H20 atteint environ 45× le temps réel.
Prêt quand vous l'êtes